1、西安交大前沿院何刚教授团队在光电功能界面方向取得新进展
2、北京大学物理学院王健课题组揭示原子尺度下的局域谱学揭示超导-绝缘体相变的量子秘密
3、电子科技大学计算机（网安）学院数据智能团队（DIG）在全球计算机视觉顶会CVPR 2026发表多篇论文
1、西安交大前沿院何刚教授团队在光电功能界面方向取得新进展
近日，西安交通大学前沿科学技术研究院何刚教授团队围绕光电功能界面与电子传输调控开展系统研究，在光催化、规模化储能与智能传感等方向形成系列原创成果。聚焦紫精类功能分子的结构设计与界面耦合机制，近期两项工作分别从“离子—电子耦合调控”和“界面定向电子传输”两个层面，进一步拓展了紫精基功能材料在类脑计算与太阳能转化领域的应用潜力，也为发展低功耗智能器件与高稳定性能源催化体系提供了新的研究思路。相关成果均发表于国际化学领域权威期刊Angewandte Chemie International Edition，展现了团队在紫精基功能分子设计、离子/电子耦合调控及界面电子传输机制等方面的持续创新能力。
在有机电化学神经形态器件方向，团队聚焦神经形态计算中低功耗“存算一体”器件的发展需求，针对传统电化学离子门控器件在低电压工作条件下稳定性、可重复性与长期循环耐久性不足等问题，提出了基于分子工程与离子/电子协同调控的新策略。研究团队在紫精骨架中引入噻吩单元，构筑了噻吩紫精（thienoviologen）体系，并开发出高性能电化学神经形态器件（Electrochemical Neuromorphic Device）。该分子设计有效调控了材料电子结构与电化学活性，降低了能隙，并增强了可逆氧化还原及自由基相关过程的稳定性，使器件能够在低电压条件下实现连续可调的电导响应与可靠离子门控调制。器件在±1 V范围内即可实现稳定模拟突触行为，脉冲循环寿命达到十万次量级，并进一步实现了脉冲时序依赖可塑性（STDP）、联想学习电路以及NAND、XOR等双端逻辑运算，展现出“学习—计算”一体化的应用潜力。在卷积神经网络图像识别等任务中，该器件作为模拟突触权重表现出良好的识别准确率与鲁棒性，为紫精基有机材料在低功耗类脑计算与智能电子器件中的应用提供了新路径。
相关成果以Bioinspired High-Performance Neuromorphic Devices Enabled by Thienoviologen-Based Electrochemical Ion Gating（《基于噻吩紫精电化学离子门控的仿生高性能神经形态器件》）为题发表于 Angewandte Chemie International Edition（《德国应用化学》），并入选Frontispiece。前沿院博士研究生孙思宇、副教授张越巘为共同第一作者，何刚教授为通讯作者。
与此同时，在紫精基光催化方向，团队针对传统光催化体系中光生载流子复合严重、界面电子传输效率低以及结构稳定性不足等关键问题，提出“平行界面工程”新策略，通过构筑硒紫精电子介体与单原子Pt/缺陷g-CN之间的双共价平行界面，建立稳定高效的定向电子传输通道，实现了界面电子流的精准调控。研究表明，该平行界面结构显著增强了界面电子耦合与电荷分离效率，促进光生电子快速迁移至催化位点。超快光谱与理论计算结果共同证实，该“电子天桥”结构将正向电子转移速率提升至0.043 L·g-1·s-1，电荷分离寿命延长至7998.8 ps。在可见光条件下，体系实现了3231.9μmol·h-1·g-1的产氢速率以及1390.6 μmol·h-1·g-1的苄胺氧化速率，在连续144小时循环测试后仍保持92%的初始产氢活性，表现出优异的结构稳定性与循环耐久性。该工作系统比较了静电连接、单边共价连接与双共价平行连接等不同界面构筑模式，结合界面调控、电子介体构筑与单原子催化，为解决光催化体系中界面电子传输效率低与结构易失稳等问题提供了新的分子设计思路。
相关成果以Parallel Interface Engineering of Single-Atom Pt/g-C3N4 and Selenoviologen for Durable Photocatalysis via Efficient Directional Electron Flow（《单原子Pt/g-C3N4与含硒紫精的平行界面工程：通过高效定向电子传输实现稳定光催化》）为题发表于Angewandte Chemie International Edition（《德国应用化学》）。前沿院博士研究生张朝光为论文第一作者，何刚教授、李国平副教授为共同通讯作者。
相关研究工作得到了国家自然科学基金、国家重点研发计划、西安交通大学自主创新能力提升项目、中央高校基本科研业务费、博士后科学基金以及西安交通大学分析测试共享中心、高性能计算平台等支持。
2、北京大学物理学院王健课题组揭示原子尺度下的局域谱学揭示超导-绝缘体相变的量子秘密
超导态来源于电子配对形成长程相干的库珀对，如果在二维极限下的超导薄膜中引入无序，在量子涨落和局域化共同作用下，库珀对在量子相变过程中是发生解配对，还是保持配对形成新的演生物态是国际学术界的重要科学议题。北京大学物理学院量子材料科学中心王健教授课题组与合作者在晶态铁基高温超导Fe（Te,Se）单层膜（约0.59纳米厚）中，通过原位沉积铁原子团簇可控引入无序，利用扫描隧道显微镜与扫描隧道谱，首次在二维非常规高温超导体中观测到无序诱导的超导到绝缘态量子相变的局域谱学特征，揭示出绝缘体态的库珀对局域化起源。相关研究成果以“Spectroscopic evidence of disorder-induced quantum phase transitions in monolayer Fe（Te,Se）superconductor”为题，于2026年4月29日发表于物理学期刊Physical Review Letters。
在前期工作中，王健课题组与合作者在3个原胞层厚的Ga薄膜中发现了动力学指数在相变临界点发散的新型量子相变——量子格里菲斯奇异性（Science 350, 542 (2015)），并在多种二维超导体系（Nat. Commun. 10, 3633 (2019); Phys. Rev. Lett. 127, 137001 (2021)）和强涨落的三维超导体系（Phys. Rev. Lett. 133, 226001 (2024)）中证实了量子格里菲斯奇异性在超导中的普适性。该发现突破了人们对于量子相变以及Kosterlitz-Thouless拓扑相变临界指数为固定值的传统认知，揭示了无序和耗散对量子相变的决定性影响，拓展了量子相变的普适类。
超导量子相变的前期研究大多依赖宏观的电输运测量，缺乏清晰的微观图像。王健课题组选择Fe（Te,Se）高温超导单层膜作为研究对象，通过超高真空分子束外延原位沉积铁原子团簇来调节无序强度。实验发现，在沉积团簇前（低无序状态），扫描隧道谱表现出清晰的超导能隙和相干峰。随着原子团簇增加、无序增强，能谱由典型的U型超导能隙演化为零偏压电导非零的V型能隙（图1），超导相干峰逐渐减弱并消失，表明无序增强了相位涨落，破坏了超导的长程相干。
图1 单原胞层Fe（Te,Se）超导沉积Fe团簇前后，局域谱学观测到从U型超导能隙到V型能隙的变化
研究者进一步测量了沉积中等密度的原子团簇后电子态密度在实空间中的分布。在负偏压下，电子态密度呈现出空间分布不均的局域态，统计结果接近Log-normal型分布；在正偏压下，电子态密度转变为空间分布均匀的扩展态，统计结果接近Gauss型分布（图2）。这表明原子团簇引起的无序在Fe（Te,Se）单层膜中破坏库珀对长程相干性的同时使体系靠近安德森局域化的迁移率边。
图2 沉积中等密度的原子团簇后，电子态密度实空间分布在不同偏压下发生从局域态到扩展态的转变
进一步提升沉积原子团簇的密度（强无序状态），实验观测到大的U型能隙（图3右栏），其能隙大小超过沉积团簇前样品的超导能隙。强无序下观测到的大能隙没有清晰的相干峰，且能隙大小随无序增强而增大，这一不同寻常的量子效应显示了超导与局域化的相互作用。在先前的理论研究中，电子波函数的多重分形特征增强局域超导配对，使得能隙随着电子局域化而增大，支持本实验结果。电输运测量显示强无序下的样品整体已进入绝缘态，证实了无序诱导的超导到绝缘态量子相变。
图3 单原胞层Fe（Te,Se）薄膜从超导到绝缘态的量子相变过程中，局域谱学观测到的能隙演化
这项工作首次给出无序调控下二维铁基高温超导体超导-绝缘体量子相变的局域谱学演化特征（图3）。相关结果加深了人们对低维高温超导量子相变特别是超导与局域化相互作用的理解，展示了局域谱学手段在探索非常规超导体中量子相变和量子基态的重要作用。
上海科技大学助理研究员何冠阳、粤港澳大湾区量子科学中心副研究员王子乔为论文的共同第一作者。王健为通讯作者。
3、电子科技大学计算机（网安）学院数据智能团队（DIG）在全球计算机视觉顶会CVPR 2026发表多篇论文
近日，2026 IEEE国际计算机视觉与模式识别会议（IEEE Conference on Computer Vision and Pattern Recognition，简称CVPR）官方公布论文收录结果，本届CVPR收到了创新高的16092份论文，最终录用4090篇，接收率为25.42%。计算机（网安）学院数据智能团队（DIG）此次共发表11篇论文，其中本科生为第一作者发表2篇（2023级本科生吴皓岩、2022级本科生李祺帆）。
2023级本科生吴皓岩以共同第一作者撰写的论文《Dynamic Logits Adjustment and Exploration for Test-Time Adaptation in Vision Language Models》（通讯作者：李文教授）针对视觉语言模型在迁移至下游任务过程中，由于不同类别识别能力不均衡而引发的优化坍塌问题，提出了“动态调整与探索框架”。实验结果表明，该框架在兼顾计算效率的同时，显著提升了模型的泛化能力，为视觉语言模型在下游任务中的高效迁移与稳定优化提供了新的思路。
2022级本科生李祺帆以第一作者撰写的论文《Taming Sampling Perturbations with Variance Expansion Loss for Latent Diffusion Models》（通讯作者：顾舒航教授）观察到一种反直觉现象：在潜扩散模型中，高重建精度与低扩散损失的模型有时反而生成低质量结果。通过2-D实验分析，发现常用的β-VAE倾向于学习紧凑的潜流形，使模型易受采样扰动影响，导致生成退化。因此该论文引入方差膨胀损失来对抗由重建目标引起的方差坍缩，在保持重建保真度的同时构建对采样扰动具有高度鲁棒性的潜空间，从而提升生成结果的质量。
2025级博士生周星宇以第一作者撰写的论文《Guiding a Diffusion Transformer with the Internal Dynamics of Itself》（通讯作者：顾舒航教授）提出仅在扩散Transformer网络结构的浅层额外施加一个监督信号，利用深层网络输出和浅层网络输出进行一定程度外插，即可在推理阶段大幅提高生成结果。实验结果表明该方法在ImageNet数据集上取得了当前图像生成的最先进的结果。
2025级博士生孙文灏以第一作者撰写的论文《Just-in-Time: Training-Free Spatial Acceleration for Diffusion Transformers》（通讯作者：刘昭强教授）指出扩散模型加速常忽略空间冗余。该研究提出免调优的JiT框架，通过构建空间近似生成ODE（SAG-ODE）利用稀疏锚点计算驱动全局潜状态演化，并结合确定性微流（DMF）保障新token激活时的分布一致性与无缝过渡。实验结果显示该方法在FLUX.1-dev、HunyuanVideo-1.5模型上实现了高达7倍的近无损加速。
2025级博士生郑洋以第一作者撰写的论文《Outlier-Robust Diffusion Solvers for Inverse Problems》（通讯作者：刘昭强教授）针对扩散模型求解逆问题时易受异常值干扰的问题，提出了鲁棒求解框架。该研究首先通过显式噪声估计修正观测数据，并基于Huber损失构建优化目标来抑制异常值，同时采用共轭梯度法优化求解策略，避免了繁琐的学习率调参。大量实验验证了该方法对异常值的显著鲁棒性以及相比现有方法的性能优势。
2025级硕士生林程星以第一作者撰写的论文《Deformation-based In-Context Learning for Point Cloud Understanding》（通讯作者：李文教授）发现现有点云上下文学习方法缺乏显式空间结构建模且训练与推理目标不一致的问题，因此提出基于形变的点云上下文学习方法——DeformPIC。实验结果表明，该方法通过提示样例引导查询点云逐步形变到目标形态，实现几何变换信息的提取与迁移，在ShapeNet In-Context数据集和跨域泛化基准上取得了较好的效果。
2024级博士生龙伟以第一作者撰写的论文《IDESplat:Iterative Depth Probability Estimation for Generalizable 3D Gaussian Splatting》（通讯作者：顾舒航教授）发现现有的可泛化三维高斯溅射方法在深度估计上存在的单次特征变换不稳定问题，而通过引入深度概率增强单元（DPBU）以乘法方式整合级联特征变换生成的极线注意力图，并构建迭代深度估计过程，即可在场景重建阶段逐步细化深度图，大幅提高高斯均值预测的准确度。
2024级博士生陈卓以共同第一作者撰写的论文《The Devil is in Attention Sharing: Improving Complex Non-rigid Image Editing Faithfulness via Attention Synergy》（通讯作者：李文教授）发现了现有图像编辑方法在处理复杂非刚性编辑时存在“注意力坍塌”问题，导致过度编辑或编辑不足，因此提出协同位置与语义信息的注意力协同（SynPS）方法。实验结果表明，该方法通过引入量化编辑幅度的度量标准，设计注意力协同流水线动态调节特征影响，使模型有效平衡了语义修改与细节保真，在基准测试中取得了出色的图像编辑性能与保真度。
2024级硕士生江世银以第一作者撰写的论文《Differentiable Vector Quantization for Rate-Distortion Optimization of Generative Image Compression》（通讯作者：顾舒航教授）指出，传统矢量量化（VQ）因离散索引不可导导致梯度断裂，阻碍了联合率失真优化。为此提出RDVQ框架：引入可微的码本软松弛策略恢复梯度流，结合自回归熵模型，实现端到端优化与零样本可变速率控制。实验表明，该极轻量架构在Kodak等数据集的感知压缩质量均达SOTA水平。
2024级硕士生陈恺以第一作者撰写的论文《Task-Aware Image Signal Processor for Advanced Visual Perception》（通讯作者：顾舒航教授）针对现有视觉感知方法在处理RAW数据时计算开销大、表示能力受限的问题，提出任务感知图像信号处理器（TA-ISP）框架，通过轻量级多尺度调制算子在全局、区域和像素层面对RAW图像进行定制化处理。实验表明，该方法在提升下游任务精度的同时显著降低计算开销。
2022级博士生吴海峰以第一作者撰写的论文《iSplat: Iterative Learning for Fine-Grained Gaussian Splatting》（通讯作者：李文教授）针对现有3D Gaussian Splatting方法依赖单次前向回归、难以修正初始预测误差的问题展开研究。提出了迭代式前馈3D Gaussian Splatting方法iSplat，将三维重建过程建模为迭代细化过程，并引入基于GRU的循环优化器，在多轮迭代中协同更新几何与外观表示，从而逐步修正误差、提升重建质量。实验结果表明，该方法能够实现更加稳健、更加精确的三维重建。
