1.合肥工业大学成立集成电路等三大创新学院；

2.厦大在拉普拉斯核磁共振深度学习重建领域取得重要进展；

3.西安交大科研人员在固态电池理性设计领域取得原创性重大进展

1.合肥工业大学成立集成电路等三大创新学院

10月7日，合肥工业大学举行创新学院揭牌仪式，正式成立集成电路、人工智能、未来技术三大创新学院。

（来源：合肥工业大学）

合肥工业大学校长汪萌强调，创新学院将协同形成“基础产业—核心技术—未来布局”战略闭环。其中，集成电路创新学院主要聚焦芯片“卡脖子”技术，填补高端人才缺口；人工智能创新学院主要瞄准技术制高点，培养复合型应用人才；未来技术创新学院将着眼前沿，对接安徽“7+N”未来产业，承担孵化新兴学科的任务。创新学院将坚持深化产教融合，推动校企共建，通过打造高水平师资队伍、搭建高标准科研创新平台、构建复合型人才培养体系，实现有组织人才培养、有组织科学研究和有组织产业服务的有机统一。

2.厦大在拉普拉斯核磁共振深度学习重建领域取得重要进展

近日，厦大电子科学与技术学院陈忠教授团队在基于深度学习的拉普拉斯核磁共振(NMR)谱图重建与不确定度量化方面取得重要突破，相关成果以“High-Confidence Reconstruction for Laplace Inversion in NMR Based on Uncertainty-Informed Deep Learning”为题，发表在Science Advances期刊上。这一成果首次将不确定度估计引入拉普拉斯NMR重建过程，能够在保证高质量谱图解析的同时，实现量化结果的可靠性。

拉普拉斯核磁共振（Laplace NMR）能够揭示分子的扩散和弛豫特性，在化学、材料和生物医学等领域有广泛应用。要获得可靠的分子动力学信息，必须准确重建谱中扩散系数或弛豫时间的分布。然而，由于逆拉普拉斯变换（ILT）本质上是病态问题，传统方法常依赖经验和先验设定，难以客观评估结果的可信度，因此在缺乏理想参考谱时面临极大的挑战(图1A)。

为了解决该问题，陈忠教授团队提出了基于深度学习的拉普拉斯NMR谱重建方法DREAM (Deep-learning-based Reconstruction and Estimation of the Aleatoric-uncertainty Model)。该模型采用双分支神经网络结构(图1B-D)，实现谱图重建与不确定度估计，并通过改进的损失函数提升训练稳定性和预测精度。研究还设计了后处理方法(图1E)，不直接使用网络输出，而是对每个预测谱峰的重建不确定度进行量化显示，从而使DREAM在噪声干扰严重或实验条件复杂的情况下仍能提供有价值的谱重建结果。实验证明 (图2)，DREAM能够在多样化实验条件下提供稳健且具有良好泛化能力的谱重建和不确定度量化，为拉普拉斯NMR信号处理提供比现有深度学习方法更全面的解决方案。

图1 DREAM的整体框架示意图

图2 电化学氧化反应前后的DOSY谱

论文第一作者为电子科学与技术学院2023级博士生陈博与2023级硕士生张悦斌，通信作者为陈忠教授、黄玉清教授和杨钰副教授。这项工作得到国家重点研发计划(2022YFF0707003、2023YFA1607500)，国家自然科学基金(12275228, 124B2108, 12175189, 22304142)、福建省自然科学基金(2024J01054)等项目资助。

近年来，陈忠教授团队在拉普拉斯核磁共振深度学习重建领域取得了一系列重要成果， 包括2024年发表于Journal of the American Chemical Society的二维拉普拉斯波谱重建工作(J. Am. Chem. Soc. 146, 21591-21599, 2024)，2023年发表于Analytical Chemistry的扩散弛豫谱重建工作(Anal. Chem. 95, 11596-11602, 2023)等。本次成果进一步推动了拉普拉斯波谱学及其应用的发展。

3.西安交大科研人员在固态电池理性设计领域取得原创性重大进展

在固态电池研究中，复合聚合物电解质（CPEs）兼具柔韧性、可加工性和界面兼容性，是实现安全高能量密度储能的重要候选体系。过去，大量研究集中在电解质组分的优化，选择不同聚合物骨架、添加各种无机填料或离子液体等。然而，离子传输并非只由“配方”决定，还显著依赖电解质内部连续高效的迁移通道。这些通道的形成，与聚合物链之间在介观尺度上的连接性息息相关，却一直缺乏系统研究。

对此，西安交通大学苏亚琼/丁书江团队自主开发了针对CPEs体系的粗粒化蒙特卡洛模拟程序，能够在介观尺度评估聚合物链网络的连接情况，并发现链间连接性可作为配位位点连续性的代理指标，显著影响室温下聚合物对离子的输运效率。

图1：(a) 不同纳米颗粒质量分数复合体系中，渗流概率随阈值 d 的变化关系，排斥强度 A = 2.8。(b) 不同排斥参数 A 下，复合体系中渗流概率随纳米颗粒质量分数的变化关系。所有曲线的渗流分析阈值均取 d = 0.124 nm。(c) 原始体系与含有 20 wt% 纳米颗粒（排斥强度 A = 2.8）复合体系中的渗流团簇。渗流分析阈值取 d = 0.124 nm。(d) 聚合物链的接触数 c 示意图。(e) 整个体系内、团簇内以及团簇外链段的归一化接触数分布。结果对应于含 20 wt% 纳米颗粒、排斥强度 A = 2.8 的复合体系，渗流簇定义的阈值为 d = 0.124 nm。(f) 考虑所有聚合物链与仅考虑自由链（c = 0）情况下计算得到的渗流概率 Pc。

模拟结果表明（图1），即便只引入少量（体积分数小于6%）具有排斥性的纳米颗粒，也会诱导周围聚合物链发生重排，并进一步触发整个基体内链网络的“渗流转变”（图1a-c）。这种调控并非局限于颗粒界面附近，而是能够跨越远超过组分间界面的尺度（图1d-f），展现出长程结构重构效应。

团队选取聚氧化乙烯（PEO）作为基体，引入表面化学可调控的二氧化硅纳米颗粒（图2a-b）。电化学阻抗谱结果显示：当填料表面具备强排斥性时，CPE在室温下的离子电导率提升近五倍（图2c-d），同时有效活化能显著降低（图2e）。此外，本研究通过Raman、固态 NMR 和 XRD/DSC 等表征手段进一步证明，这一提升并非源于溶剂化环境或结晶度变化，而是源自模拟所揭示的链间连接性增强。

图2： (a) 实验材料示意图，包括聚合物以及表面性质不同的纳米颗粒。(b) 不同表面疏水性下二氧化硅纳米颗粒的水接触角比较：SiO2（亲水）、DMCS-SiO2（125.95°）和 HMDS-SiO2（142.06°）。(c) 基于 PEO 的复合聚合物电解质在不同表面修饰 SiO2 纳米颗粒作用下的温度-离子电导率曲线。符号为实测电导率，实线为数据的 Vogel-Tammann-Fulcher (VTF) 拟合。(d) 在 30 ℃、50 ℃ 和 70 ℃ 下，纯 PEO、SiO2@PEO、DMCS- SiO2@PEO 和 HMDS- SiO@PEO 的离子电导率对比。(e) 从纯 PEO、SiO2@PEO、DMCS- SiO2@PEO 和 HMDS- SiO2@PEO 获得的等效活化能。虚线表示等效活化能的线性拟合结果。

该研究理论上提出了一个固态电解质研究新范式：优化复合聚合物电解质，不仅要关注组分选择，更要通过介观结构调控，为离子传输搭建“高速公路”。苏亚琼团队提出的“路径工程”思路为设计高导电、高稳定的固态电解质提供了新的方向，也展示了理论预测指导实验设计的巨大应用价值。

近日，该研究成果以《超越组分：固态复合聚合物电解质离子传输路径工程优化设计》（Beyond Composition: Optimizing Ion Transport in Solid-State Composite Polymer Electrolytes through Pathway Engineering）为题发表在《美国化学会志》（Journal of the American Chemical Society）上。西安交通大学化学学院助理教授张建睿与浙江大学材料科学与工程学院博士生田雨竹是该论文共同第一作者，西安交通大学化学学院丁书江教授、浙江大学材料科学与工程学院吴浩斌教授与西安交通大学化学学院苏亚琼研究员为通讯作者。