2023-01-20
期智研究院
2022年是不平凡的一年，上海期智研究院在上海市的大力支持下，在全院人员的共同努力下，始终砥砺前行，不断创新，在前进中收获累累硕果。研究院以突破人工智能基础研究、引领世界人工智能交叉发展为使命，经过近三年的建设，在选题布局、科研生态、梯队建设、学术成果等多个方面取得积极进展，在人工智能及相关尖端领域产生了一批具有国际影响力的基础研究成果，为建成具有国际影响力的研究机构奠定了坚实的开端。
布局前沿科学技术基础研究。研究院在人工智能、现代密码学、高性能计算、量子计算与量子人工智能、物理器件与计算以及交叉智能六大核心研究方向布局的基础之上，继续稳步推进人工智能与各大交叉领域的尖端研究。
完善学科交叉融合科研生态。研究院构建紧密的科研合作网络，目前已经将先进的人工智能技术推广运用于各行各业，如与建筑设计、生命科学、量子信息、气象大数据等领域的深度交叉融合，扩展了人工智能研究的广度和交叉度。已在研究院内各个学科带头人之间，研究院与其他高校、科研院所、企业、医院之间形成了良好的产—学—研—医交叉融合科研生态，为不同方向的科研人员相互沟通交流搭建起平台，推动交叉学科的发展，催生重大的科学突破。孕育和催生一批具有重要影响力的科学理论和关键技术，提升人工智能等领域创新策源能力，支撑研究院快速形成国际影响力。
构建交叉人才梯队培养体系。扎实推进科研团队建设，不断吸纳高端研究人才，并积极布局好吸引、培养顶尖青年人才的资源和机制储备，组建起了“顶尖科学家—青年领军学者—青年研究员”三级人才梯队，为建设青年团队及培养青年科学领军人才的最佳途径探索新方向。研究院目前已有姚期智、刘明、龚新高、李蓬4位院士作为领域内顶尖科学家，33位来自清华大学、上海交通大学、复旦大学、同济大学、中科院等青年领军学者，37名毕业于国内外一流院校计算机相关领域全职青年研究员、工程师、学士后，163名兼职科研人员，320名双一流高校实习生。研究院荟聚英才，已形成了可持续发展的人才梯队，逐步培养出高水平的交叉学科创新人才。2022年度，研究院PI斩获上海市科技精英奖、基金委优青项目、基金委优青项目（海外）、全国三八红旗手、陈嘉庚青年科学奖-生命科学奖等多项殊荣。
多项创新成果荣登国际顶刊顶会。2022年度涌现了一批优秀的基础研究创新成果，共发表国际顶刊顶会论文225篇。包括Nature、Nature Communications、Physical Review Letters、Science Bulletin等国际顶刊论文150篇；ICLR、EUROCRYPT、HPCA、ICML、NeurIPS等国际顶会论文75篇，其中3篇获会议最佳论文奖；申请发明专利5项。有望孕育和催生一批具有重要影响力的科学理论和关键技术，提升我院人工智能等领域创新策源能力，支撑研究院在短期内形成国际影响力。
六大基础前沿方向均实现重大突破。截至目前，围绕人工智能等六大前沿方向设立34个课题，每个课题均凸显国际前沿研究的引领性，并在各自细分方向都取得了突出进展。
经院长办公会遴选，多项亮点成果荣膺2022年度“AI之光”，呈现给大家。
人工智能
机器学习的可解释性、因果推断理论、泛化与自适应的人工智能以及鲁棒性智能算法等课题攻关当今人工智能算法的瓶颈。我院全面开展高维模型下因果效应半参估计、实验设计、负控制、因果图模型等方面的研究，并在可自适应与泛化性强化学习算法研发、多智能体强化学习开源代码库、高效率强化学习、安全强化学习等方向上取得重要进展，在实现通用人工智能的道路上又迈进了一步。此外，全力探索新的计算机视觉、机器学习算法来提高自动驾驶系统的性能，开源了首个基于机器学习的闭环自动驾驶行为仿真器，推动了自动驾驶领域的进一步发展。开发了大规模第一人称类别级人-物体交互4D数据集，积极开发通用智能本体，实现大部分任务可以在同一个本体上执行的目标，以期大大提高产业和生活的智能程度。同时，也在努力构建新时代算法经济治理促进经济高质量可持续增长的理论和技术体系。并将人工智能与建筑设计、在役桥梁检测等领域相结合，以数字化、智能化的方式帮助提升设计质量和设计效率，进而实现整个工程系统的智能建造。
成果1. 基于多样性的自适应智能决策—吴翼
成果2. 高效率强化学习—高阳
成果3. 第一人称视角的类别级人-物交互的4D数据集—弋力
成果4. 自动驾驶行为仿真—赵行
成果5. 机器人模型学习新基准评测平台（已开源）—卢策吾
成果6. 桥梁结构混合监测与数据孪生建模—孙利民
成果7. 安全强化学习—陈建宇
成果8. 基于轨迹分解的泛化分析—袁洋
现代密码学
安全计算理论及系统、区块链系统的机制设计与优化、格的基础理论及其在密码学的运用等课题顺利开展，在后量子密码、安全计算以及区块链等密码学理论研究及技术应用方面取得多项科研进展与成果，有望将不可区分混淆技术这一“密码学皇冠上的明珠”亟待攻克的密码技术，效率更高、更安全、更有可能在现实应用中落地的技术。也在区块链底层机制的设计、二层网络的优化、带切换成本的在线凸优化等问题上开展深入研究。此外，首次提出的解决特殊格问题的被称为“过滤”量子算法的方法，有望为解决“寻找格上的最短向量”这一计算机领域最困难的问题之一带来新的思路。
成果9. 不可区分混淆技术的安全性分析—郁昱
成果10. 解决特殊格问题的量子算法—陈一镭
高性能计算
针对现有计算系统中的“内存墙”问题、神经形态计算、神经网络黑盒性等高性能计算领域的痛点和难点问题，我院相关团队展开深入研究，并取得创新进展。通过采用异构系统架构，突破传统架构中容量、性能、成本相矛盾的问题，实现大容量、高性能的存储技术，缓解现有计算系统中的“内存墙”问题。通过基于忆阻器阵列的神经形态计算架构、神经形态计算芯片编译器工具链，突破存储墙的存内计算架构与新工艺存储器技术。用数据流分析来解开神经网络的黑盒性、提高神经网络精度和安全性。同时，围绕“云原生”和“智能”两个核心概念，积极研发下一代智能云原生数据库中的关键技术。
成果11. 深度学习软硬件协同新范式—冷静文
成果12. 支持压缩和分块的高效异构内存架构—高鸣宇
成果13. 多比特神经形态计算阵列精度自适应编程—蒋力
量子计算与量子人工智能
在量子计算与量子人工智能领域，作为近几年新兴的交叉前沿领域，量子计算和人工智能的结合极大地推动了各自领域的发展，带来了一系列颠覆性的重要成果，对未来人类科学技术的发展产生深远的影响。首次把强化机器学习的方法引入到量子编译中，实现了优化量子编译线路的普适算法，并利用无监督机器学习的方法实现了对非厄米拓扑相的聚类识别。提出了拓扑时间晶体的理论模型，通过人工智能算法找到了数字化量子模拟拓扑时间晶体的优化方案，丰富了时间晶体的种类，拓展了人们对于量子世界的认识。设计了多项对光晶格中冷原子外态控制的原创技术，可以对数十万原子形成的量子物质波进行高精度的量子调控。此外，也在量子模拟和量子机器学习、拓扑序边界态以及理解张量网络与时空重构上取得显著成果。
成果14. 拓扑时间晶体的量子模拟—邓东灵
成果15. 微弱力的量子精密测量超越标准量子极限—李晓鹏
物理器件
通过将人工智能算法与传统计算物质科学研究方法相结合，探索计算物质科学研究新方法，开创材料设计和物性研究的新手段，大大缩短新材料和器件的研发周期，促进新型器件的产生。将近存计算、存内计算和类脑计算等新型计算电路和架构与高速度、高密度、低功耗的新型非易失存储器物理器件结合，开发高能效的新型计算系统，突破传统计算“存储墙”瓶颈，推动计算技术变革。实现了在同一关联电子材料中集成非挥发性自旋存储与逻辑运算功能，提供了自旋电子学器件设计的全新概念。构建了高效的多模态脉冲感知系统，为发展高智能机器人技术提供了新思路。同时利用机器学习方法筛选重要相互作用项并构造有效哈密顿量的方法。
成果16. 发展了构造有效哈密顿量的机器学习方法—龚新高
成果17. 异质集成多模态感知神经元阵列—刘明
交叉智能
人工智能算法与生物学、人类古基因组学、气象学等跨领域学科进行深度交叉，碰撞出智慧的火花。人工智能生物学课题在智能医学影像、智能质谱、智能医疗、智能组学等四个方向展开深入研究。东亚人群古DNA大数据分析与人工智能的应用课题组重点针对东亚南部、西北部区域古人群展开古基因组研究，并探究其人群与邻近东南亚、中亚地区人群的史前迁徙融合情况。气象大数据与人工智能课题组则通过考虑光谱信息和云的纹理特征的空间关联性，构建了基于深度学习的面到面的卫星云反演产品，以及基于迁移学习的全天候云产品反演方法。
未来，研究院将进一步汇聚延揽优秀的海内外青年学者，举办系列高端学术论坛，推动交叉研究领域与国际一流研究机构的深度合作与交流，建立跨学科国际科研合作平台。建成有国际影响力的研究机构，在人工智能及相关尖端领域产生一批具有国际影响力的基础研究成果，建成自主可控的AI探索研究平台，支撑国内优秀团队开展原创复杂研究，深耕交叉领域，打造AI创新科研有机体。上海期智研究院将助力上海建设国际学者关注和向往的前沿研究城市，打造支撑未来发展的重要成果！
成果1：基于多样性的自适应智能决策
传统智能决策算法均基于最优性假设，即：在设定目标下求解最优策略并执行最优动作。然而最优性假设却并适用于需要与人类交互的协作场景。其根本问题是，人类的行为几乎从来不是最优的。因此人工智能必须认识到人类行为的多样性，并根据人类行为自适应调整决策，来帮助人类完成其目标。吴翼团队在领域内首次提出了多样性学习框架，从经典最优决策假设更进一步，要求智能体不光要解决问题，更要自我探索与创新，用尽量多不同的合理的拟人行为解决问题——即“不光要赢，还要赢的精彩”。基于多样性决策框架，吴翼团队还提出了多个多样性强化学习算法，并开源了多智能体决策代码库MAPPO。目前团队开发的多样性学习框架，是领域内首个能够在机器人控制、星际争霸、多人足球游戏等多个复杂任务场景中，都能自动探索出多样性策略行为的算法框架。同时，基于多样性策略为进行自我博弈训练，实现在miniRTS，overcooked等多个复杂人机合作场景中SOTA的表现，并且在真人测试中大幅超越目前领域内最好的泛化性强化学习算法，首次实现了在复杂游戏中与真人的智能协作，朝着让人工智能真正走进千家万户的最终目标，迈出了坚实的一步。团队系列成果发表于机器学习顶级会议ICLR2022、ICML2022、NeurIPS2022等，其中发表于NeurIPS2022的开源算法库MAPPO至今已经获得超过250次引用，受到领域内广泛关注。
成果2：高效率强化学习
强化学习被认为是实现通用人工智能的重要路线之一。但强化学习往往需要海量的数据，难以在物理世界中应用。高阳团队提出一种新型强化学习算法EfficientZero，可仅用少量数据情况下取得高性能。团队针对蒙特卡洛强化学习算法的训练信号弱、模型累计误差和无法有效利用离线数据的三大问题，提出了系统化解决方法。提出了时序自监督学习、前缀值函数拟合和自适应值函数修正等算法创新，最终在仅使用2小时真实世界数据情况下，在Atari基准测试上达到了人类性能的109%。这是强化学习算法首次在有限数据情况下达到超越人类的能力。该算法的样本效率首次超越了人类的水平，达到了谷歌提出的经典强化学习算法DQN数据效率的近600倍。EfficientZero算法解决了强化学习领域的重大基础科学问题，填补了国际高效率强化学习领域的空白，为强化学习的物理世界落地铺平了道路。
在EfficientZero之上，为了更加容易地在物理世界使用强化学习算法，高阳团队开发了EfficientImitate算法，可以在不使用奖励函数情况下进行高效率学习；同时也开发了Virtual MCTS大幅度提升EfficientZero的计算效率。
成果3：第一人称视角的类别级人-物交互的4D数据集
得益于大量数据集和基准任务的提出，如何在图片、视频和点云中感知物体和人类活动这一问题已经取得了显著的成果。但是，随着机器人行业的快速发展和元宇宙的兴起，仅对上述数据类型进行感知已经无法满足行业的需求。机器人和VR/AR设备可以产生大量的4D数据（第一人称下的彩色点云序列），AI系统需要从中理解语义信息、手和物体的位姿信息、物体的功能性以及人手动作的类别等，这都是非常具有挑战性的开放问题。弋力团队提出了第一个大规模第一人称类别级人-物体交互4D数据集HOI4D。 数据集包括了4个采集者采集的4000段点云视频（总计2.4M帧点云）， 16个类别总计800个物体实例。
HOI4D数据集提供了用于全景分割、运动分割、3D手部位姿、类别级物体位姿和手部动作的逐帧注释，以及物体CAD模型和重建场景点云。该工作还建立了三个基准任务来促进4D类别级人-物体交互的发展，包括4D动态点云序列的语义分割、类别级物体位姿跟踪和第一人称的细粒度视频动作分割。此研究可以支持大量的新兴研究方向，如4D场景理解、类别级人-物体交互、动态场景重建等，对人-物体交互领域的发展具有重要推动作用。
成果4：自动驾驶行为仿真
主流的自动驾驶方案依赖于大量的道路测试来衡量自动驾驶的水平，而把测试放入计算机仿真环境是未来规模化自动驾驶的重要路线。此外，仿真器还能被用于算法调试和训练数据生成。自动驾驶行为仿真器的构建面临了许多挑战，需要进行多智能体的意图和轨迹建模，同时需要考虑自车对环境和人的响应。赵行团队开发并且开源了首个基于机器学习的闭环自动驾驶行为仿真器InterSim。InterSim基于大规模真实数据集（Waymo Open Dataset）的车辆行为进行模型训练；在应用时，当轨迹规划器使用不同的策略时，仿真器能给出不同的、且逼真的行为反应。InterSim的发布是自动驾驶领域的重要里程碑，为自动驾驶规划算法提供了评测平台和训练数据。目前InterSim已经吸引了全世界几十个团队使用。该成果以“InterSim: Interactive Traffic Simulation via Explicit Relation Modeling”为题发表于IROS 2022上。
成果5：机器人模型学习新基准评测平台RoboTube（已开源）
卢策吾团队建立了一个全新的机器人模仿学习基准平台RoboTube，用于从人类视频中模仿学习行为决策并迁移到真是机器人。该问题大规模评测一直是空白，为了实现这一目标，需要专门为机器人设计多样化、高质量的人类视频数据集。 为了评估其学习表现，团队建立了数字孪生仿真环境帮助机器人和人工智能研究人员在对真实机器人进行测试之前快速且有效地验证其算法。RoboTube 视频数据集包含 5000 个用多视角 RGB-D 相机录制的视频演示，这些视频演示了人类执行的日常家务任务，包括操纵刚性物体、铰接物体、可变形物体和双手操纵。 数字孪生仿真环境，由 3D 扫描的真实物体组成，最大限度地减少了物理世界和模拟环境之间的域差距。 作为本领域最新的基准平台RoboTube 大大降低该领域研究者成本，有力推进了机器人模仿学习社区的可复现研究。
图. RoboTube基准评测平台，包含50个常用家用应用场景，5000个视频
成果6：桥梁结构混合监测与数据孪生建模
桥梁结构监测是支撑在役桥梁安全运维的重要技术手段，监测数据的扩充、分析和信息提取是提升该技术有效性之关键。孙利民团队基于多座大跨度桥梁及城市桥梁群长期监测数据，结合数字化及人工智能手段，研发了异常数据清洗、残错数据修复、多源数据融合等技术手段，提升了监测数据质量，打破了多源数据间的壁垒；提出了将监测数据与有限元分析相结合的混合监测理论，丰富了数据种类，改善了数据完备性；建立了交通流、温度等运营环境荷载作用模型及不完备信息下结构响应求解方法并初步建立了用于在疫桥梁运维养护的数字孪生模型。研究成果在《Structural Control & Health Monitoring》等国际杂志发表多篇论文，并应用于桥梁健康与安全状态评估。
成果7：安全强化学习
强化学习对解决复杂的机器人问题具有巨大的前景，包括自动驾驶、机械臂操作等。然而将强化学习应用于上述实体机器人系统上时却有很大的安全隐患。无论是训练过程中还是训练收敛后，基于神经网络的机器人控制策略都可能出现问题并造成与环境之间的危险碰撞。
陈建宇团队首先从强化学习的约束保障出发，基于控制理论中的前向不变性，提出了针对机器人动力系统的通用安全保障机制，以及耦合该机制的强化学习框架。在理论允许的范围中，该方法能保障系统的安全性，并在实际算法验证中得到零安全约束违反的结果。同时，针对约束无法避免的情况，团队通过整合冗余自由度机械臂的零空间控制、变阻抗控制、以及基于视觉的强化学习等理论与算法，提出了一套保障接触安全的强化学习框架。该框架能不仅能保障真实机器人应用强化学习时，其末端执行器的接触力比较柔顺，同时在机械臂身遇到意外的接触与碰撞时能及时推断出来并进行柔顺处理。
成果8：基于轨迹分解的泛化分析
泛化理论分析是人工智能理论中最基础的问题之一，旨在探究充分训练条件下测试误差的界限。经过多年的探索，人们发现传统的泛化技术无法有效解释神经网络的泛化现象，这迫使我们提供更多泛化领域的见解。袁洋科研团队创新地将信号与噪声的不同分析纳入泛化分析范畴，并提升了原有的泛化界。具体而言，通过显式地考虑信号与噪声在泛化中的不同表现，袁洋团队发现不同技术擅长于不同背景，并以此提出一种基于轨迹误差分解的泛化分析框架。由于对信号与噪声的更细致的分析，人们可以混合多种泛化技术来处理泛化问题，各个技术取长补短，从而推导出更精细的泛化界。实例分析表明，在线性与非线性的背景下，该框架都可以有效提升原有泛化界。同时，实验结果证实新框架下推导出的泛化界更加符合实际情况。该成果以“Towards Understanding Generalization via Decomposing Excess Risk Dynamics”为题发表于2022年ICLR会议中。
图. 原始误差 (ER) 与分解后误差 (BER, VER) 对比
成果9：不可区分混淆技术的安全性分析
不可区分混淆技术被誉为“密码学皇冠上的明珠”，是继全同态加密（2022年哥德尔奖成果）后下一个密码学领域亟待攻克的密码技术。它可以用来构造任何其它密码技术，因此也被称为密码完备技术。简单而言，混淆技术可以将一段程序代码转成相同功能的代码，同时保护其中的算法和密钥信息无法被逆向分析者非法提取。目前软件保护中常见的混淆技术，缺乏数学和计算复杂性理论支撑，被破解逆向通常只是时间问题。2020年，普林斯顿大学James Bartusek和以色列理工学院、加州大学伯克利分校的多位学者共同提出了一类特殊的基于仿射行列式程序（ADP）的不可区分混淆技术。如图所示，ADP是一种特殊的描述计算的模型，它将计算程序的过程转换成若干矩阵的相加并计算其行列式。这项技术通过依次进行再随机化、添加对角阵、添加噪声、随机局部替换（RLS）等一系列高效操作实现了混淆的安全性，是目前不可区分混淆技术中效率最高、最有可能在现实应用中落地的技术。上海期智研究院的研究人员通过对其RLS操作进行观察后，发现了该操作并不改变矩阵余子式的设计缺陷，有针对性地提出了 “模4攻击”打破了该混淆技术的不可区分性，并进一步将攻击推广到更广的函数类。在提出攻击的基础上，研究人员还有针对性地根据原有RLS操作的弱点对该混淆技术进行了修补，提出了更为安全的不可区分混淆技术。该成果以“Cryptanalysis of Candidate Obfuscators for Affine Determinant Programs”为题发表在41届欧洲密码年会(EUROCRYPT 2022)中。
图. 通过将ADP程序的计算转换成矩阵行列式的计算，从而实现代码混淆
成果10：解决特殊格问题的量子算法
寻找格上的最短向量一直被认为是计算机领域最困难的问题之一，至今没有经典或量子算法能在多项式时间内解决这个问题。因此构造基于格问题的密码一直被认为是构造防止量子计算机攻击的密码的有效途径之一。其中被用来构造公钥密码的SIS和LWE问题被证明和格上的最短向量问题是等价的。我院陈一镭团队和普林斯顿大学的刘启鹏和Mark Zhandry提出了一个能解决特殊格问题的多项式时间量子算法。这些特殊格问题是SIS和LWE的变种。他们虽然并不等价于标准的格问题，但是已经非常接近于密码学常用的问题。我们的量子算法中使用了一种被称为“过滤”的方法，是在量子算法的设计中第一次使用，可能为未来量子算法的设计带来新的思路。该成果以“Quantum Algorithms for Variants of Average-Case Lattice Problems via Filtering”为题发表于2022年欧洲密码大会（Eurocrypt 2022），并收到Journal of Cryptology邀稿。
成果11：深度学习软硬件协同新范式
以ChatGPT为代表的近期研究表明深度学习模型的通用性随着其模型规模不断增长，这使得其算力需求以每3个月翻倍的速度不断增长。然而，处理器架构遵循摩尔定律，仅能提供2年翻倍的性能增长，远远落后于算力需求。因此，冷静文团队进行了面向深度学习的“算法-软件-硬件”新型处理范式研究。针对现有TensorFlow、PyTorch等编程框架的代码跨模型移植性低的问题，团队借鉴了程序分析中的插桩系统设计，提出了面向神经网络数据流图的插桩系统Amanda，使用了op（一种多输入多输出的函数抽象）作为跨框架与执行模式的统一抽象，从而在底层机制层面保证了数据流分析代码的可移植性，极大地便利了数据流分析程序的开发。基于这一系统和研究理念，团队系统性的研究了神经网络可解释性、性能精度、可观察性等关键问题，发表了10篇顶会论文，开源了8项相关研究成果（https://github.com/SJTU-ReArch-Group）。
成果12：支持压缩和分块的高效异构内存架构
通过结合多种带宽性能和存储密度特点的存储技术，异构内存架构（hybrid memory）可同时支持大容量和高性能，是大数据和人工智能算法的理想选择。目前典型的异构内存架构一般将传统DRAM作为快存，将新型非易失存储器（NVM）作为慢存。然而，现有基于替换算法设计的工作在慢存带宽利用率和快存容量利用率上只能互相权衡。为了提高异构内存系统的性能和效率，高鸣宇团队提出了使用分块（sub-blocking）和压缩（compression）技术同时提高两方面利用率，达到比之前工作更优的性能。分块技术将数据块细分为更小粒度的子块，只传输和缓存所需的子块。压缩技术将低熵数据块以压缩子块的粒度储存和传输。两种技术均采用纯硬件管理机制，无需修改上层应用，且消除了操作系统虚拟内存管理的粗粒度和缺页中断的高开销。然而，支持压缩和分块带来了更高的元数据存储开销和更复杂可变的数据布局管理挑战。团队进一步提出了“暂存区”的概念以适应数据布局在初始阶段的多变性；同时利用数据布局在稳定状态的不变性、压缩局部性等实验观察，简化元数据格式和大小。该系统相比当前最佳工作可达到平均1.27倍、最高1.74倍性能提升。该研究成果以“Baryon: Efficient Hybrid Memory Management with Compression and Sub-Blocking”为题发表于计算机系统结构领域四大顶会之一的高性能计算架构大会（HPCA）。
成果13：多比特神经形态计算阵列精度自适应编程
针对现有基于ReRAM神经形态计算系统中普遍存在的高阻值不稳定性的问题，亟需一种高效高精度的ReRAM的权值映射方案，这也是所有基于忆阻器件的存算系统所必须要解决的关键性问题。蒋力团队提出了多比特精度自适应编程的电路级解决方案，并深度融合现有存算系统，使得ReRAM存算系统的存储密度和算力提升2倍，同时神经网络权值部署速度和能效分别提升4.7倍和2倍。从早期SAWM编程电路工作出发，与现有的ReRAM-based存算一体加速系统深度融合，在最大程度复用现有外围电路的基础之上，设计实现了极致紧凑的自适应编程电路，单编程通道只需要额外增加7个晶体管，就可以同时实现对SET和RESET操作的自适应截止，同时紧凑的电路设计还保证了反馈电路的高效性，实现更加精确的阻值控制。该成果发表在2022年的欧洲设计自动化与测试学术会议（Design, Automation and Test in Europe, DATE），并荣获Test and Dependability领域最佳论文奖。
成果14：拓扑时间晶体的量子模拟
时间晶体的概念最早由诺贝尔物理学奖得主Frank Wilczek教授于2012年提出。人们日常熟悉的晶体，如钻石、石英等，构成它们的原子在空间上周期排列，破坏了连续的空间平移对称性。时间晶体就是把“晶体”的特征拓展到时间维度，即系统的某些特性在时间上呈周期性重复，破坏了时间的平移对称性。邓东灵团队将拓扑的概念与时间晶体结合起来，提出了拓扑时间晶体的理论模型，通过人工智能算法找到了数字化量子模拟拓扑时间晶体的优化方案。该研究组与浙江大学王震、王浩华团队合作，在超导系统中首次实验实现了拓扑时间晶体的全数字化量子模拟。该实验模拟了一条由26个超导量子比特组成的一维链，在约240层量子线路演化过程中观测到时间平移对称性只在链的两端被破坏的动力学现象。这是拓扑时间晶体不同于以往报道的常规时间晶体的核心特征。该实验在量子比特数目，三体相互作用、非平凡拓扑等多项指标方面达国际先进水平。
拓扑时间晶体是一种全新的非平衡物质相，丰富了时间晶体的种类，拓展了人们对于量子世界的认识。邓东灵团队的这一工作具有重要的基础理论意义和潜在的应用价值，该成果以“Digital quantum simulation of Floquet symmetry-protected topological phases”为题发表于2022年《Nature》杂志上。
图. 拓扑时间晶体示意图
成果15：微弱力的量子精密测量超越标准量子极限
微弱力的测量一直是验证基本物理规律、发现新物理的关键，决定了我们对从微观到宏观的基本物理定律的认识。李晓鹏的科研团队设计了多项对光晶格中冷原子外态控制的原创技术，可以对数十万原子形成的量子物质波进行高精度的量子调控。实验采用光晶格将物质波的空间运动和动量空间运动分离开，完成了对量子物质波波矢的控制和测量。同时，物质波在光晶格中的布拉格散射给出了标定物质波波矢大小和方向的精确二维坐标。该技术通过量子物质波建立了力和普朗克常数之间的直接联系。实验中量子物质波对力的感知灵敏度达到2E-26 N/√Hz突破了标准量子极限近一个数量级，较国际上采用单离子的测量方法提高了六个数量级（如下图所示）。团队进行了数千次的量子物质波重复实验，完成了对一个极微弱力的测量，大规模数据的统计分析表明测量精度达到1E-28 N，这个力相当于厘米尺度下原子间范德瓦尔斯力的作用强度。该项成果于2022年11月30日在《Science Bulletin》杂志发表题为“Quantum precision measurement of two-dimensional forces with 10-28Newton stability”的论文，并被选为当期杂志封面。
图. 实验通过控制量子物质波，完成了对二维电磁力高灵敏的量子测量
成果16：发展了构造有效哈密顿量的机器学习方法
龚新高院士团队提出了利用机器学习方法筛选重要相互作用项并构造有效哈密顿量的方法（MLMCH方法）。该方法可以在大量待选的相互作用项中高效而可靠地筛选出重要项，从而获得简洁且准确的模型。我们发展的变量筛选方法可视为优化改进的序列浮动前向选择算法。我们的方法不仅考虑在模型中逐个增加项，还考虑了减少、替换项；其中还使用了惩罚因子控制参数个数，并且利用测试集避免过拟合；另外通过采用多种技巧显著提高了搜索效率，使得程序可以在上万个待选相互作用项中高效筛选。
MLMCH方法可应用于磁性、铁电、多铁等类型体系的有效哈密顿量构造。比如，我们用MLMCH方法发现，单层的NiX2（X=Cl, Br 或I）体系中存在显著的双二次交换相互作用（即二体四阶的点乘形式相互作用），而且这种相互作用对于解释NiCl2单层体系的铁磁基态至关重要，该工作发表于Phys. Rev. Lett. 127, 247204。在另一项发表于《Advanced Materials》期刊的工作中，我们采用自旋不变量（spin invariants）来构造Fe3GeTe2（FGT）单层的有效自旋哈密顿量，并利用MLMCH方法筛选重要相互作用项，从而发现了其中多种重要的四阶相互作用；通过蒙特卡洛模拟和分析，我们成功解释了FGT体系中Bloch与Néel型的斯格明子的形成机制。该研究发现的重要高阶相互作用对斯格明子态的旋转手性没有偏好，因此该体系中可以存在多种能量简并或相近的拓扑磁态。
成果17：异质集成多模态感知神经元阵列
生物感知系统具有并行分布式感官信息处理、低能耗、高容错性等特点，显示出克服传统硬件困境的巨大潜力。受此启发，刘明院士团队报道了一种异质集成压力传感器和NbOx忆阻器的多模态融合感知脉冲神经元（MFSN）阵列，可以同时感知压力和温度。当两种激励同时作用于MFSN时，多模态信息可以融合为一个脉冲序列，展现出优异的数据压缩和脉冲转换能力。此外，通过解耦输出脉冲的频率和振幅，还可以从融合信号中获得独立的压力和温度信息，支持了神经元对于单模态信息的保真度和多模态感知能力。团队进一步将MFSN阵列与脉冲神经网络结合成功模拟了人体躯体感觉系统的多模态信息（温度和压力）感知和多模态物体（不同温度、重量和形状的物体）的分类能力。该工作使构建高效的多模态脉冲感知系统成为可能，为发展高智能机器人技术提供了新思路。该成果于2022年在《Advanced Materials》杂志发表题为“A Heterogeneously Integrated Spiking Neuron Array for Multimode-Fused Perception and Object Classification”的论文。
图. 生物躯体感觉系统与人工躯体感觉系统
