在大面积柔性衬底上直接生长集成高品质晶硅纳米线沟道是突破高性能柔性电子逻辑、可穿戴传感和显示等应用的关键技术难点。然而，高品质晶体沟道的获得往往依赖高温生长过程（>800 ℃）-- 这恰恰是柔性聚合物衬底（熔点<150 ℃）所无法承受的！为此，南京大学电子科学与工程学院余林蔚教授、徐骏教授课题组基于自主创新的平面固-液-固（IPSLS）纳米线生长模式（近期工作Refs. 1-4），探索了一种全新的“激光-液滴”自聚焦局域加热生长策略，突破了传统环境加热技术的限制，利用柔性聚合物衬底（聚酰亚胺，PI）和金属铟催化剂颗粒对特定激光（808 nm）辐照的高选择性吸收差异，实现仅在液滴/纳米线生长界面附近范围的高效局部加热，以驱动晶硅纳米线在柔性衬底上的超高速度生长：在不需要环境加热的室温“冷”环境下，其生长速度可以高达3.5 μm/s，比传统加热方式纳米线生长速度提高了3个数量级。值得一提的是，即便在此高速生长过程中，IPSLS纳米线的生长路径依然可以被精确引导定位，并成功展示了丰富的线形调控能力。此外，由于纳米金属液滴具有极小的热熔，通过调控激光照射时序，可以对纳米线生长动态过程进行前所未有的精确调控（例如，对生长液滴实现瞬间“激活和冷却”等操作），从而实现对超长纳米线的精准形貌/直径编码。基于此技术，成功在柔性PI衬底上生长高品质纳米线沟道，并制备了纳米线场效应晶体管（FET）器件，其电流开关比和亚阈值摆幅分别为>104和386 mV/dec。此“激光-液滴”选择性加热生长策略有望推广应用于：在各类大面积、低成本柔性衬底上的“冷”环境中，直接定位生长和集成高品质晶硅纳米线阵列，为推动各种高性能柔性电子器件的规模化应用提供关键的材料支撑和全新的技术路线。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

近期，西湖大学人工光合作用与太阳能燃料中心孙立成实验室在探索这一未解之谜的过程中取得进展。

第二类超导体中量子化磁通的运动行为对超导材料和器件的电磁输运性质起着关键作用。人为调控超导磁通量子的运动行为，不但可以有效提高超导体的临界电流密度，还可实现具有新功能的超导电子器件，如超导磁通整流器、磁通二极管等。以往的磁通量子调控手段往往缺乏原位可调性，极大限制了相应超导电子器件的应用。近日，南京大学吴培亨院士领导的超导电子学研究所王永磊教授和王华兵教授研究团队设计出了一种可调控的新型人工自旋冰与超导异质结构器件，不但实现了超导电性的原位开关，还实现了可开关和可反转的磁通霍尔效应。 人工自旋冰是具有集体相互作用的纳米小磁体阵列，其特殊的几何排列使得系统具有很高的简并度、新奇的低能激发态（如磁单极子）、丰富的相变和磁畴。近年来该团队致力于人工自旋冰和超导纳米结构器件等方面的研究，不但设计出了可擦写的人工自旋冰，并且于国际上首次设计和制备出了人工自旋冰与超导的异质结构器件，实现了可调控的超导磁通阻挫效应和磁通整流效应。近日该团队又设计出了一种基于风车型人工自旋冰与超导的异质结构器件，利用风车型人工自旋冰易于调控的链条状磁荷结构，以及磁荷与超导磁通量子间的强耦合作用，实现了对超导磁通运动的原位操控，展示了超导零电阻态与耗散态之间的原位开关，同时实现了可编程的磁通霍尔效应。

近日，由清华大学医学院林欣教授科研团队与华夏英泰公司联合研发的双靶点CD19/CD20 STAR-T候选产品HXYT-001细胞注射液的中国I期临床试验在北京大学肿瘤医院完成了首例受试者知情同意签署。