新一届 “35岁以下科技创新35人” 中国区名单正式发布
现在，我们正处于全球科技变革的共振节点：生成式 AI 重构人机交互范式，量子计算突破经典物理桎梏，具身智能重塑制造逻辑，合成生物颠覆医疗范式，技术迭代的速度与深度不断刷新着人们的认知。
在这场全球性变革中，“35 岁以下科技创新 35 人”（Innovators Under 35，简称“TR35”）评选如同一面棱镜，自 1999 年起持续折射出科技前沿最具活力的创新光谱。️这份名单既洞察到青年人才眼底未熄的创新火种，也记录着这簇星火如何燎原成重塑世界的时代势能。
️随着中国科技创新的崛起，2017 年，DeepTech 联合《麻省理工科技评论》将 TR35 评选正式落地中国，关注和挖掘中国新兴科技领域的青年创新力量。经过 8 届评选，TR35 中国已然形成了一种独特的创新生态，其多样性为中国科技发展注入了独特活力，特别是在 AI 领域，表现尤为突出。
事实上，中国人才正在全球 AI 领域扮演越来越关键的角色。英伟达创始人兼 CEO 黄仁勋最近出席华盛顿的一场活动时提到：“全球 50% 的 AI 研究人员来自中国……美国的每一家 AI 实验室无一例外都有许多优秀的中国研究人员。” 2024 年 OpenAI 发布 GPT-4o，GPT-4o 的 17 位关键团队成员中，有 6 人是华人，占比约为 35.29%；根据ASPCMS社区和英伟达重点具身智能论文和项目梳理的 114 名关键 AI 研究员中，ASPCMS社区研究员的华裔比例约为 20%，英伟达研究员的华裔比例更高，占比达 40%。2023 年 7 月，马斯克宣布 xAI 成立，首发亮相的 12 位初始成员中，有 5 人是华人科学家，占比近一半。
️济济多士，乃成大业；人才蔚起，国运方兴。
当实验室的成果走进生产线，当开源代码影响数百万开发者，当一篇篇顶刊论文标注“中国智造”，️每一年，我们见证的不仅是 35 位科学家的突破，更是一个国家创新体系的能量级跃迁。
2025 年 5 月 23 日，在上海举办的 2024 年度“35 岁以下科技创新 35 人”中国区发布暨中国科技青年论坛上，新一届入选者正式揭晓，他们以卓越的创新成果和非凡的创造力，成为了中国科技领域的耀眼新星。
这 35 位科技青年中，有人以开源生态推动技术普惠，有人以合成数据突破具身智能瓶颈，有人将光合系统跨物种移植逆转退行性疾病，有人用拓扑超材料改写声波操控法则。他们攻克科学难题，开拓交叉领域，书写中国科技“链式反应”：从实验室原子级成像到生产线分钟级装配，再从微观蛋白质降解到宏观量子优越性验证，通过不断拓展人类认知边界，在全球技术竞争中刻下中国坐标。
️“从 0 到 1”，从 35 到无限——在中国，创新的故事永远有下一章。
️2024 年度“35 岁以下科技创新 35 人”中国区入选名单如下（*以下排名不分先后）：
入选名单
️他作为第一完成人领导了 DeepSeekMath 项目，通过高质量预训练和基于 GRPO 的强化学习方法，从根本上提升模型的数学和逻辑推理能力。
邵智宏的研究聚焦于系统性提升大模型的推理能力，关注于如何构建一个可持续自我提升的系统，能够通过利用多种技能（例如，工具使用和推理）来完成越来越复杂的任务。他的两个代表工作是 ToRA 和 DeepSeekMath。
ToRA 项目展示了将外部工具反馈整合到推理过程中的强大作用。这个项目发布了一个名为 ToRA-34B 的强大工具增强大模型，该模型通过将 Python 执行融入链式思维推理，成为首个在竞赛级 MATH 基准测试中得分达到 50% 的开源模型。这突显了结合外部工具对提升问题解决能力具有较大的潜力。
为了从根本上提升大模型的推理能力，邵智宏作为第一完成人共同领导了 DeepSeekMath 项目。该项目提出了一个可以有效识别和扩展高质量预训练数据的迭代式流程，用于数学预训练并显著提升了基础模型的能力。该项目还探索使用了 GRPO 强化学习算法，并展示了强化学习用于进一步提升模型推理能力的潜力。发布的 DeepSeekMath 模型被广泛用于后续的数学推理研究，并支持了首届 AI 数学奥林匹克竞赛 AIMO 中排名前三的获胜方案。
DeepSeekMath 项目中的数据流程也被广泛用于规模化收集高质量数据进行预训练或模型对齐。另外，在 DeepSeekMath 的强化学习算法基础上，后续的 R1 项目（他作为核心贡献者之一）通过在更多更复杂的推理任务中进行大规模强化学习，得到一个具备反思、回溯、验证等能力的强大推理模型。
️他开创了融合推理与行动的智能体范式，并推动智能体技术在通用系统操作与知识密集型领域的应用。
姚顺雨为语言智能体方向的开启和发展做出了基础性贡献。他提出了 ReAct 方法，首次引入“推理—行动”结合的智能体范式，为创建具备通用性、可扩展性的语言智能体奠定了基础。ReAct 的核⼼理念是让大语言模型在行动前先进行可解释的内在推理，继而基于推理结论去决策与操作。这一思路不但增强了模型的可控性，也极大拓展了其在各类实际领域中的适用能力。如今，ReAct 已成为世界范围内构建语言智能体的最主流方法，被学术界与工业界广泛采纳。
为了验证语言智能体在真实世界应用中的潜力，他进一步提出了 WebShop、SWE bench、tau-bench 等新型环境。传统强化学习惯用的围棋、Atari 等闭合游戏场景在经济和科学价值上具有局限性，而互联网交互、软件工程、客服自动化等任务场景则更具实践意义。姚顺雨主导设计的这些环境，为智能体的通用性评估与应用拓宽了渠道。相应地，SWE-agent 等系统也在代码生成、交互式调试等方面带来了突破。
在前期研究基础上，他于 2025 年成为 OpenAI 首批智能体产品 operator 与 deep research 的核心贡献者。operator 主打对计算机系统进行通用操作，化抽象的数字环境为可被智能体处理的可执行任务；deep research 则瞄准科研、法律、金融等知识密集型领域，以实现更高水平的助理与协作功能。
️他用合成数据开发了首个端到端具身抓取基础大模型，突破数据和泛化瓶颈，有望促进通用具身机器人走向规模商业化。
王鹤的研究聚焦于具身智能机器人，通过 AI 技术赋予机器人通用化能力，使其能够在复杂环境中完成高难度任务，从而应对老龄化、劳动力短缺等社会挑战。
为解决具身智能领域数据不足、采集成本高的问题，他构建高精物理高保真的具身合成大数据，推动具身技能泛化学习和具身大模型的发展，研究成果在泛化抓取、具身端到端大模型等领域取得突破。
他提出大规模百万级灵巧手大数据集 DexGraspNet，将仿真数据生成效率提升了 50 倍，并基于此团队开发 UniDexGrasp++ 算法，实现在数千物体上的高成功率泛化抓取。
他也发布了一款名为 GraspVLA 的端到端具身抓取基础大模型。这款模型在预训练过程中百分百根据合成大数据进行，使用了十亿帧 “视觉 - 语言 - 动作” 对，掌握了泛化闭环抓取能力，无需大规模真实数据，即可完成基础模型预训练的能力，并且，通过小样本微调，能使基础 “通才” 快速成长为指定场景的 “专家”。这一技术路线具备诸多优势，包括大数据、高泛化、低成本等，攻克了具身智能在发展过程中亟待解决的难题，有望在 2025 年引领端到端具身大模型走向规模商业化。
作为创始人兼 CTO，他于 2023 年 5 月成立了北京银河通用机器人公司，目前已完成 13 亿人民币融资。
️她聚焦制造业 5.0 的先进机器人技术，将生成式 AI 融入原型及生产过程中，开创了全新的人机协作模式。
为提高人类设计师与生成式 AI 之间的交互性和一致性，刘畅流领导开发了先进的算法。一旦设计定稿，配备了先进规划算法的机器人可以使用双臂组装产品。在实际装配过程中，机器人还能与人类设计师互动，进一步优化设计细节。这些创新有潜力变革装配设计，在保持高精度和安全性的同时，简化创造过程。
与此同时，她与团队正在探索将整个供应链压缩到一个集装箱中。具体来说，原材料从集装箱一端进入，完成的产品经过托盘化后从另一端输出。最终成果包括两个配备了四个机械臂的集装箱，自动、高效地生产托盘装箱的口罩，这是自主制造效率的一个重要里程碑。这些自给自足的系统可以在全球范围内部署，最大限度地降低长供应链带来的风险。
基于刘畅流课题组多年来的研究成果，她创立了为精密制造提供智能机器人解决方案的公司 Instinct Robotics。目前该公司专注于复杂表面处理的高混合低批量生产线，并已获得包括西门子能源在内的多家主流制造商的订单。
这些进步有望重新定义全球制造模式，显著提高生产效率，并减少对人类在重复性和艰难任务中的依赖。
️他开创了基于真实世界数据飞轮的强化学习框架，实现了复杂机器人操作任务的超人类性能与高效训练。
将强化学习（RL）应用于真实世界的机器人，尤其是在高精度工业装配等复杂任务中，面临着样本效率低、系统集成复杂以及长周期任务规划困难等重大挑战。罗剑岚致力于攻克这些难题，推动 RL 在机器人自动化领域的突破与落地。
博士期间，他专注于解决 RL 在真实机器人高精度装配任务中的应用难题。通过创新性地将强化学习与阻抗控制及反馈控制器相结合，他首次展示了 RL 在处理需要实时响应外部扰动的精密机器人任务方面的巨大潜力。在 Google X 工作期间，罗剑岚主导开发了首个工业级 RL 系统 SHIELD。该系统在复杂的工业装配任务中实现了 100% 的成功率，训练时间仅需 2-3 小时，其性能超越了人类专家和传统经典方法，被评价为“RL 在工业场景的里程碑”。
回归学术界后，他在美国加州大学伯克利分校人工智能实验室（BAIR）推出开源框架 SERL/HIL-SERL，彻底革新了真机 RL 的研发流程。通过高效数据采集、分布式训练与模块化控制器的深度整合，SERL 可在 20 分钟内完成视觉驱动的复杂装配策略训练，并实现近乎完美的成功率，展现出卓越的抗干扰与自主恢复能力。
️她开发了一种纳米孔读取有机化合物数字信息的新方法，能精确读取单比特信息，结合深度学习可分辨 1-4 比特长度的所有组合，平均准确率高达 90%。
曹婵的主要研究方向为单分子分析和纳米生物技术，她的研究为解决精准医学、数据存储和能源危机等紧迫挑战提供了新的思路和解决方法。
她首次发现野生型且无任何修饰的 aerolysin（气单胞菌溶素）生物孔可用于检测不同长度的 DNA，灵敏度远超过其他已建立的纳米孔传感器，推动了新一代测序技术的发展；她还探索了 aerolysin 纳米孔传感的分子感应机理，并显著提高了纳米孔测序的读取精度，通过消除相邻碱基的影响实现了单碱基分辨率，解决了纳米孔技术碱基识别的低准确性限制。
她将工程化气溶素纳米孔应用于实际。在分子数据存储与解码方面，工程化气溶素纳米孔能够在不影响信息密度的情况下准确读取定制聚合物中编码的数字信息，为开发基于生物仿生平台的数字数据处理读写技术开辟了可能性；在生物标志物检测方面，她探索了气溶素孔变体在检测已知神经退行性疾病相关蛋白质的翻译后修饰方面的潜力，有望用于这类疾病的早期诊断。
为了解决蛋白质测序领域存在的低灵敏度、低丰度等问题，曹婵正在基于生物纳米孔开发蛋白质分析的方法和平台，并取得了重大突破：通过对纳米孔进行工程改造和条件优化，她及其团队成功获得了尺寸更小的纳米孔，这些纳米孔能够产生强烈的电渗流，从而高效地捕获和转运天然蛋白质，产生来自单个蛋白质转运的独特指纹。未来，指纹预测有望根据单分子数据推断蛋白质的全序列信息，为蛋白质组学提供一种强有力的工具。
️他通过一种基于超分子拓扑网络的新设计，发明了第一个高密度、本征可拉伸的生物电极阵列。
蒋圆闻致力于将物质科学和工程的突破性成果转化为新型的生物电子工具，以解决未被满足的医疗需求。通过基础材料和器件的创新，他在生物电子领域取得了多项突破性进展，包括非遗传光学控制动物行为、具有单个核团精度的器官特异性神经调控以及慢性伤口闭环管理。
他发展了一种基于拓扑超分子网络的新型导电高分子材料。通过化学组成和拓扑结构的协同设计，这种新颖的分子工程策略突破了传统电子材料无法兼顾高机械延展性和高电导率这一固有限制。同时，这种新型材料还兼容高精度的器件加工工艺，从而解锁了多项过去极具挑战性的生理学应用，例如对软体动物章鱼进行细胞分辨率级别的电生理记录，以及通过高度精密的脑干结构实现单一神经核团精度的调控，以实现单个器官级别的肌肉运动响应。
此外，利用先进的表征技术指导自下而上的化学合成，蒋圆闻建立了一整套基于硅纳米材料的光响应半导体结构库。这些材料后来被应用于多种高分辨率光驱动生物应用中，包括调控细胞内钙信号通路和细胞间神经递质传递等。通过进一步优化材料设计和器件制造，他成功地实现了对动物活动的非遗传性光学控制。结合电刺激（即非遗传性）和光遗传学（即高分辨率）的优点，非遗传性光神经调节方法为将神经调节技术应用于人类神经疾病的临床治疗提供了新的机会。
他还开发了一个高度集成的智能创可贴，通过结合无线柔性电子系统与具备按需皮肤粘附与脱附功能的低阻抗导电水凝胶，实现了对慢性伤口恢复和感染的长期检测和闭环管理，从而有效地控制了伤口感染，并且加速了伤口愈合和组织再生。
️他以开创性分布式机器学习系统与 LLM 优化技术，主导构建 Chatbot Arena 开放评测平台，推动 AI 高效化与普惠化。
张昊致力于解决大语言模型高昂的训练与推理成本、以及技术生态的封闭性等难题，在分布式机器学习系统、大语言模型（LLM，Large Language Model）优化与部署以及开放生态构建方面做出了一系列开创性贡献。
在博士研究期间，张昊率先提出了“机器学习并行性可自适应、可组合、可自动化”的核心理念，并构建了全球首个 GPU 参数服务器，为大规模深度学习提供了革命性支持。其后续在分布式调度方面的研究工作 Pollux，通过动态调度机制突破传统静态方法的限制，极大地提升了大规模深度学习模型训练的效率。
进入大语言模型时代后，张昊将其研究重点拓展至 LLM 的训练与推理优化。他主导或核心参与开发了包括 Alpa（可扩展 LLM 训练）、vLLM 和 DistServe（高效 LLM 服务）在内的多项关键技术。这些技术通过创新的并行策略、内存管理和动态资源调度等方法，显著降低了大模型推理成本、提高了服务吞吐量，为 LLM 的实际应用铺平了道路。
此外，作为 LMSYS.org 联合创始人，张昊积极推动 AI 开放生态。他主导构建了 Chatbot Arena 和 LLM-as-a-Judge 等全球最具影响力的开放 LLM 评测平台，通过自动化、透明化评估促进了开源 AI 生态的繁荣。未来，他将推动 AI 系统的多任务适应性、优化大规模智能系统的架构，并继续拓展开放 LLM 生态，将大模型生态彻底公开、普适化。
️他提出了首个基于大模型的自动驾驶“快-慢双系统”，并正打造机器人的具身大模型。
赵行致力于具身智能（自动驾驶和人形机器人）的研究。此前，他在ASPCMS社区无人驾驶公司 Waymo 担任科学家，回国后于清华大学担任助理教授。
针对自动驾驶在乘用车上落地应用进展缓慢的问题，赵行提出了以视觉为中心的自动驾驶开源框架 VCAD。为了让自动驾驶应对复杂和长尾的驾驶场景，赵行团队提出 DriveVLM，利用视觉语言大模型的思维链推理能力实现了零样本的驾驶场景理解能力，给自动驾驶车做出驾驶决策。进一步地，他创新性地提出了一套更实用的基于大模型的自动驾驶方案——“快-慢双系统” DriveVLM-Dual。该方案补充了大模型的空间感知能力，并且克服了端侧大模型推理速度的瓶颈。
该双系统方案已应用于理想汽车上，是世界首个量产的自动驾驶大模型。该成果是在自动驾驶领域中少见的“中国首个提出，中国率先落地”的技术创新，显著推进了自动驾驶技术在新能源汽车上的普及。
2023 年，赵行作为首席科学家联合创办了具身智能创业公司星海图。他基于数据驱动的方法，致力于寻找具身智能的 Scaling Law，打造具身基础模型，推动机器人服务世界。
️他首次实现了固态氖表面单电子量子比特系统，为构建更稳定和更可靠的量子计算机提供理想方案。
周宪靖开创了一种全新的固态量子计算平台，首次在固态氖上成功实现了单电子量子比特。这一突破性的成果始于首次观察到单电子与单光子的强耦合，标志着该系统在可行性上的重要里程碑。
此外，他还成功展现了该平台在各方面足以媲美当前构建量子计算机主流的超导量子比特的优越性能，包括：0.1 毫秒的长相干时间（目前已知最长电荷态相干时间）；高保真单次读出（98.1%，且无需量子参量放大器）；高保真单比特门操作（99.97%）以及双比特耦合，为未来的多比特扩展奠定基础。
相比于其他历史较久的量子比特，该新系统不仅在关键性能上具有竞争力，还因固态氖的洁净特征，有效抑制了环境噪声，为构建更稳定和更可靠的量子计算机提供了理想方案。
除了量子计算，该平台在量子传感等其他量子信息技术领域同样展现出巨大潜力。由于单电子系统对电磁场和外部环境极其敏感，它可作为超高精度量子传感器，用于探测极微弱的电场、磁场或机械振动，从而在基础物理研究、精密测量、材料表征等方面发挥重要作用。此外，固态氖的超洁净环境也使其成为研究量子存储和量子网络的有力候选。
未来，周宪靖将继续推动这一新型量子平台的发展，进一步探索其在量子计算、量子传感和量子通信等领域的潜力，助力下一代量子技术的突破。
️他提出了创新的稀疏计算软硬协同优化方法，显著提升通用人工智能的计算效率和能效，有效缓解了大模型时代的算力瓶颈。
人工智能，特别是大语言模型的迅猛发展，正推动人类进入通用人工智能（AGI，Artificial General Intelligence）时代。但随之而来的海量计算需求导致算力不足和高能耗问题，成为人工智能产业进一步发展的核心挑战。
戴国浩长期致力于稀疏计算和软硬件协同设计的研究，其核心思想基于先验知识驱动的结构化稀疏、机器学习驱动的动态编译和细粒度并行的稀疏架构，通过降低任务量和提升硬件利用率，在芯片工艺和峰值算力较低的硬件上实现对高端工艺与高算力硬件的超越，将等效算力提升 1 个数量级，显著提升通用人工智能的计算效率和能效。
2023 年，戴国浩作为联合创始人创立了无问芯穹，致力于将这些稀疏计算加速技术产业化，以解决实际应用中更大规模的算力需求问题。戴国浩从软硬协同基础研究出发，进一步拓展多元异构产业规模思路，提高人工智能时代的整体可用算力池。目前已推出一系列终端与云端智能解决方案，在终端，包括全模态理解端模型 Megrez-3B-Omni、端侧动态稀疏引擎 SpecEE、首个大语言模型定制推理 LPU IP FlightLLM 和首个视频生成模型定制推理 LPU IP FlightVGM 等；在云侧，包括推理引擎 FlashDecoding++、半分离推理调度系统 Semi-PD 和推理系统通信加速方案 FlashOverlap 等。他在终端和云端同时实现了大模型算法在多种芯片上的高效协同部署运行，为 AGI 时代的算力普惠和可持续发展提供了关键技术支撑。
️她开发了可高效降解膜蛋白的转铁蛋白受体靶向嵌合体，有望重新定义膜蛋白降解在肿瘤学中的应用。
周昕的研究主要解决癌症治疗领域的全球性挑战，特别是创新方法以克服药物耐受性和靶向传统上无法治疗的蛋白突变和细胞通路。
癌细胞需要大量的铁来快速增殖，这导致其细胞表面转铁蛋白受体 1（TfR1）的表达水平显著上调，该受体通过与转铁蛋白结合来介导细胞对铁的吸收。她与团队利用这一现象以及 TfR1 快速内化的特点，开发了一种新型蛋白降解剂——转铁蛋白受体靶向嵌合体（TransTAC）。
TransTAC 是一种设计精密的双特异性抗体，可通过降解膜蛋白解决传统方法无法成药的靶点。其在体外细胞实验中可高效降解 EGFR、PD-L1、CD20 和嵌合抗原受体（CAR）等多种膜蛋白，在癌症等疾病治疗中展现出巨大潜力。
她还开发了研究细胞通路的新工具，以高时空分辨率研究免疫和癌细胞中的磷酸化和蛋白受体激活事件。
除了癌症治疗外，她开发了实时检测细胞信号网络中磷酸化事件的方法，例如首次可视化 T 细胞中的 PD-1 磷酸化活动。这些技术工具不仅为研究细胞信号提供了前所未有的时空分辨率，还为控制细胞功能和命运提供了新的药理学手段。
️她推动 AI 从二维静态感知迈向三维空间智能，使其能够无缝感知、理解并与现实环境交互。
齐晓娟致力于推动人工智能在 3D 视觉领域的边界，目标是赋予 AI 系统先进的 3D 空间智能，使其能以类似人类的方式感知、理解三维世界并与其交互。
在早期研究中，她开创性地将图神经网络（GNNs，Graph Neural Networks）应用于 RGBD 语义分割，是首批利用图网络进行 3D 感知的研究之一。其单目几何估计（GeoNet 系列工作）将物理几何约束融入模型，从单张 2D 图像生成了与物理世界结构更一致的 3D 重建结果。
加入香港大学以来，她将研究重点扩展至开放世界场景下的 3D 环境重建、生成与理解。她提出了混合神经表示方法，实现了高保真神经渲染与表面重建，并通过稀疏控制高斯泼溅（SC-GS）技术高效建模动态 4D 场景。她还开发了用于 3D 物体高保真纹理生成的基础模型，获 SIGGRAPH Asia 最佳论文荣誉提名。在 3D 理解方面，她贡献了先进的 3D 处理架构，并开创了 3D 自训练方法以提升模型在开放世界环境中的鲁棒性，同时探索了从预训练 2D 模型到 3D 领域的知识迁移，显著降低了对标注数据的依赖。
齐晓娟的研究已拓展至医学、生物学等跨学科领域，如改善肿瘤诊断、提升电子显微镜 3D 成像，并开发了基于深度学习的物理不可克隆功能防伪系统。
️他提出了大模型“能力密度定律”并构建高效端侧大模型 MiniCPM 系列，推动大模型技术从云侧向端侧的普惠化发展。
韩旭长期致力于自然语言处理、知识工程及大模型技术研究，旨在推动人工智能技术的创新与普及。
面对大模型参数规模与模型能力之间正相关规律（Scaling Law，尺度定律）所带来的训练数据与计算资源瓶颈，韩旭与团队提出了大模型“能力密度定律”。该定律揭示了一定时间窗口内模型能力密度随时间呈现指数级增长的现象，即在保持模型能力不变的前提下，所需参数规模会显著减小。这一发现为大模型发展提供了新的理论视角和优化方向。
基于此，他与团队系统性开展能力密度驱动的大模型技术研究，主导发布了端侧大模型 MiniCPM 系列，大幅降低了先进 AI 技术的算力门槛，在 GitHub 和 Hugging Face 等技术社区上获得了广泛认可。
此外，韩旭作为创始人之一建设了大模型开源社区 OpenBMB，推动了全球超 200 个模型基于 OpenBMB 的开源模型、数据集与工具进行开发，建立了高效的模型训练和部署生态。
他的贡献不仅显著降低了大模型技术的部署成本与计算门槛，更实现了人工智能技术向更加广泛领域的普惠化推广。
️他提出了业内最早的图文生成理解一体化的多模态大模型架构之一，并发布中国首个千亿参数原生多模态大模型。
张祥雨致力于研究通用神经网络的设计、训练和优化方法，不断提升模型的实用性和智能水平。
他提出 RepVGG，通过引入重参数化的思想，训练时可以采用较复杂的结构实现高准确度，而在推理阶段等价变换回一种简单的结构（例如 VGG），以方便硬件推理。后续，同样基于重参数化思路，通过对已有视觉 Transformers（ViTs）的机理进行深入分析，张祥雨提出了一种不同于 ViTs 的超大卷积核架构 RepLKNet，性能超越了主流的 ViTs，且结构简单易部署。
张祥雨现任大模型公司阶跃星辰首席科学家。与很多大模型公司选择以大语言模型为起点不同，该公司从图文交错式语料出发，直接训练原生图文多模态大模型。他提出了业内最早的图文生成理解一体化的多模态大模型架构之一——DreamLLM 多模态大模型框架。
基于该框架，阶跃星辰发布了中国首个千亿参数原生多模态大模型 Step-1V，与 Google 的首个同类模型 Gemini 1.0 几乎同时发布，多模态理解能力显著高于当时业界主流的视觉-语言分离式的架构。之后，他们还相继发布了万亿参数 MoE 基座大模型 Step-2、视频生成大模型 Step-Video、图文语音三模态理解大模型 Step-1o 以及推理模型 Step R-mini 等。
️他提出了使用合成空间推理数据训练视觉-语言模型的方法，以弥补当前基础模型因机器人数据稀缺而导致的欠拟合。
在全球范围内，通用具身人工智能技术极具产业化前景，仅在过去一两年间，就吸引了百亿美元的投资。不过，智能机器人要想具备在现实世界解决人类日常生活问题的能力，必须能够理解和预测复杂的具身动态，并在复杂场景中生成控制信号。在该领域，许倬已经深耕超过 10 年。
开发能够理解多模态指令，并提供有意义帮助的智能体，是实现机器人技术的一个关键目标。为此，他利用视觉-语言模型在长上下文理解方面的能力，从示范视频中提取高层次目标，并使用从同一视频构建的拓扑图来管理低层次的执行。该方法实现了新型的用户互动行为，并在现实世界的多模态指令任务中取得端到端的成功。
基于互联网数据预训练的基础视觉-语言模型通常缺乏必要的具身推理能力，例如空间关系识别和尺寸估计。为攻克这一挑战，他开发了使用互联网规模的合成空间推理数据训练视觉-语言模型的方法。
他还是多项具里程碑意义的具身智能项目的核心贡献者，包括 Open X-Embodiment 和 Gemini Robotics。Open X-Embodiment 首次展示了多样化机器人操作数据的正迁移潜力；而 Gemini Robotics 则标志着视觉-语言-动作在实现灵巧且具泛化能力的操控方面迈出了关键一步。
️她首次阐明了气态水杨酸甲酯的植物受体及其介导植物气传性免疫的分子机制，揭示了全新的蚜虫与病毒间的共进化方式。
植物病毒是全球农业生产的重大威胁，已鉴定的种类超过 2100 种，每年造成全球农作物经济损失超 600 亿美元。近 80% 的植物病毒依赖蚜虫、粉虱等媒介昆虫传播。
植物在感受到昆虫侵害时会产生挥发性化合物，其作为一种特殊的信号能被邻近植物感知，进而诱发临近植物的防御反应，这一现象被称为气传性免疫，这种天然的植物群体防御机制有潜力用于绿色防控。但这一现象的分子机制不得而知。
王韵婧的研究发现，植物被蚜虫侵害后会产生大量的挥发性化合物水杨酸甲酯（MeSA），其不仅趋避蚜虫、吸引寄生蜂等蚜虫捕食者，还能诱导临近植物产生气传性免疫，降低蚜虫对病毒的传播。她的研究成果首次鉴定了气态 MeSA 的植物受体 SABP2，并详细阐明了 MeSA 介导的植物气传性免疫的分子基础，同时也揭示了蚜虫传病毒抑制气传性免疫帮助蚜虫存活和病毒传播的机制。该研究破解了植物病理学领域 40 多年来的未解之谜，为利用气传性免疫进行病虫害绿色防控铺平了道路。
她还发现了植物感知病毒入侵并激活 RNAi 的新通路。通过将钙信号与 RNAi 联系起来，揭示了植物感知病毒入侵诱发 RNAi 通路基因表达上调的抗病机制，同时也揭示了一种全新的病毒反防御机制。
️他聚焦垂直自旋磁存储芯片技术研究，攻克无外场高速翻转、高密度集成等关键难题，助推该技术从实验室走向产业化。
凭借高速度、低能耗、高耐久性等优势，自旋磁存储芯片（SOT-MRAM，Spin-Orbit Torque Magnetic Random Access Memory）被认为是“后摩尔时代”最有潜力替代传统缓存的非易失性存储器技术之一。其一旦实现规模化量产，将在人工智能、云计算、物联网等领域发挥关键作用，并有望成为新一代存储器的行业标准。
目前，SOT-MRAM 虽然在全球范围内已进入产业化前期阶段，但仍面临高密度集成、无外场写入等挑战。为推动 SOT-MRAM 技术从实验室走向产业化，蔡凯明的研究聚焦于解决和优化无外场集成方案导致的性能下降问题。
他提出多比特 SOT-MRAM 的概念，实现更低的写入电流和高密度集成，显著提高 SOT-MRAM 的集成密度和能源效率。并且，通过实验首次展示了多比特 SOT-MRAM 中的超快无外磁场翻转功能，写入电流脉冲低至 0.3 纳秒，对应功耗为 60 飞焦/比特。
他也提出了一种缩放结构的垂直 SOT-MRAM 器件设计。该设计在性能优化上成效显著，不仅有效缩减了器件单元面积，成功将功耗降低 63%，还提升器件耐久性突破 1015 次循环大关。根据器件缩放的系统研究，他得以证明器件缩放对于提升自旋轨道矩器件性能的重要性。
凭借上述技术突破，他在国际顶级科研机构 IMEC 担任资深研究员期间，主导了第三代 SOT-MRAM 磁芯片的器件研发，并成功展示 300mm 晶圆 CMOS 集成用于高性能计算 SOT-MRAM 器件。
这些研究成果，为 SOT-MRAM 大规模产业化奠定了基础。
️他基于 AI 实现全球最大规模量子比特中性原子阵列及量子纠错解码器，为容错量子计算提供了新的技术路径。
钟翰森始终将突破算力极限作为核心研究目标。
在量子计算领域，他选择光子体系作为主攻方向，发展可实验的高斯玻色采样理论框架，基于该理论研制的“九章一号”原型机，通过 76 光子高斯玻色采样实现比经典计算机快 1014 倍的量子加速，首次实证光量子计算优越性。
同时，他通过发展受激参量下转换技术、光学干涉仪实时调控技术，将“九章二号”光子数提升至 113 个，构建出 1043 维希尔伯特空间。
随着量子系统规模扩大至千比特级，传统调控方法的效率瓶颈日益凸显。对此，他将 AI 深度融入量子技术攻关。
通过开发高性能计算优化算法，用小型 GPU 集群以 17 秒完成ASPCMS社区量子芯片 600 秒任务，实现经典计算对量子霸权的首次无漏洞反超，也重新划定了经典和量子的算力边界。
他也基于 AI 技术实现全球最大规模 2000+ 量子比特中性原子阵列，并设计出 AI 驱动的量子纠错解码器，可适用于所有量子纠错码，且性能超越现有所有解码器。这些成果为容错量子计算提供了新的技术路径。
目前，他正集中攻克光子系统的可编程性与算法适配难题，目标是实现基于光子的通用智能算力，为未来集成化光子智能芯片奠定基础。
这些解决方案既推动了中国在量子-光子领域的领先地位，也为全世界计算技术革新提供了新的可能性。
️他基于储量丰富的硫元素，在储能电池和动力电池两大领域，开发了低成本且高本征安全的电化学储能体系。
硫基电池成本低、容量高，是理想的下一代电池体系，但复杂的转化反应机理和严重的容量衰减，也给它的发展带来制约。
长期从事硫基电池技术研究的庞全全，从硫化学电池的全构型问题出发，针对电极材料设计、电解液开发、异相界面演化和设计，系统性地开展了一些创新研究。
他提出了一种熔融盐铝硫电池。这种电池创造性地使用熔融盐电解质，具备高热稳定性和本征不可燃特性两大核心优势，可以实现几十秒级别的充电，电池成本有望低至目前商用锂离子电池的 1/5 至 1/6，适用于不同充放电倍率场景。该电池从本质上解决了大规模储能集成系统的安全问题，在电网调频、风光配储、工商业储能等领域的应用潜力巨大。
近期，他在全固态锂硫电池领域获得巨大突破，开发了一种含碘的新型玻璃态硫化物电解质，用于这种电解质在作为硫电极内部离子导体的同时，基于超快的碘氧化还原反应特性，对硫的固-固转化反应起到氧化还原介导的作用，从而实现了快速固-固硫反应动力学。
据此研制出的全固态锂硫电池，充电速度有望达到分钟级水平，循环寿命上万次。若将其用于新能源车动力电池，有望实现 30 至 40 年的使用寿命。显然，从低成本、高安全、长寿命等层面上看，该电池具有较强的产业化前景，可能成为新一代动力电池技术，加速全球向新能源汽车转型。
️他提出了新型热电界面材料筛选策略，发现了高可靠性的热电界面材料，填补了热电模块开发的关键技术空白。
凭借独特的热电转换能力，热电材料在能源、电子、医疗、航天等领域展现出变革性的应用潜力。其中，最具代表性的是被用于室温制冷场景下的商业碲化铋（Bi2Te3）。然而，Te 元素的稀缺性和较差的机械性能，给 Bi2Te3 的应用带来限制，也驱使研究人员必须寻找其他的高性能热电材料。
以电热输运机制和热电材料为主要研究方向的刘紫航，早在硕博期间就开发了性能优于商业 Bi2Te3 的 p 型镁银锑（MgAgSb）热电材料，并优化了两步球磨工艺合成方法来获得纯 MgAgSb 相。
就开发高效稳定的热电发电器件来说，热电界面材料在其中扮演的角色也至关重要。在这方面，刘紫航及其团队提出了一种基于密度泛函理论相图预测的热电界面材料筛选策略，用于从化学复杂性更高的候选材料中筛选界面材料。
他们发现半金属镁铜锑（MgCuSb）能够作为高性能 MgAgSb 的可靠热电界面材料，所制备的两对 MgAgSb/Mg3.2Bi1.5Sb0.5 模块，在 300℃ 下表现出 9.25% 的高转换效率，并通过国际模块性能循环测试得到进一步证实。
对于冷却应用，他们首次证明了非 Bi2Te3 热电材料所表现出的优异的器件制冷性能。在 323 开尔文的温度下，最大温差和最大冷却功率分别达到 56.5 开尔文和 3.0 瓦。
不仅如此，上述热电界面材料筛选策略，也能够在锑化锌、锆钴锑等其他热电材料上获得普适性应用，填补了热电模块开发的关键空白。
️她实现了极小磁场下低温热电性能的显著提升，突破现存最高低温（< 300K）热电优值，为低温固态制冷带来全新机遇。
潘瑜长期从事热电材料研究，尤其是拓扑热电材料研究。在清华大学读博期间，她的研究课题是碲化铋（Bi2Te3）基热电半导体的热电输运特性与性能优化。
由于 Bi2Te3 基合金也是具有独特能带特性的拓扑绝缘体，而热电性能又与电子能带结构和电子输运行为密切相关，因此，她在博士后阶段开始探索热电与拓扑能带之间的物理关联，并将研究方向从经典热电半导体拓展到拓扑半金属，希望能从拓扑物理学的角度，为热电领域带来新的研究思路。
基于塞贝克效应、（反常）能斯特效应等不同热电效应的输运特性，她针对性地提出了不同的提升热电性能的材料设计策略，并成功应用于多个材料体系，在国际上率先开发了系列具有大反常能斯特效应、大能斯特效应和大磁塞贝克效应的拓扑半量子材料，为开发新一代热电材料奠定了重要基础。
她在国际上率先实现了极小外磁场（0.7 特斯拉，永磁体可满足）下大幅增强的磁塞贝克热电性能，突破了现存最高低温（< 300 开尔文）热电优值，阐释了拓扑材料狄拉克能带的线性色散和塞曼劈裂对增强磁塞贝克热电效应的重要作用，为实现无噪声、无振动、可携带、低成本的全固态制冷技术带来了新机遇，有望成为新一代颠覆性技术。
️他提出并发展了层级贝叶斯深度学习框架，让 AI 模型具备可解释性、可控性和因果推理能力。
在现实世界中，感知与推理往往是紧密相连的。以一辆自动驾驶汽车为例，其在感知到行人的姿势和交通信号灯状态之前，无法推理行人是否可能穿过马路。但在人工智能中，它们却被分为两大基本任务，其中，深度学习在感知任务上表现出色，概率图模型在推理任务中优势显著。
为弥合基于深度学习的感知与基于概率图模型的推理之间的鸿沟，王灏在他的博士论文中提出了层级贝叶斯深度学习（HBDL，Hierarchical Bayesian Deep Learning）框架。在进一步扩展和改进该框架的基础上，他致力于推动其在大语言模型和基座模型的可解释性与可控性，以及医疗健康 AI 两大方面的应用。
他先是提出一个图神经网络的因果解释器，具有普适性、弱假设依赖和可验证性等特性，能有效识别生成因果解释所需的因果语义，性能显著优于现有方法。随后，又提出一个时间序列预测模型的反事实解释器，从反事实角度解释任意的时间序列模型。
他还提出一个通用的多模态大语言模型和基座模型概念级解释器，能通过人类易懂的概念，来解释大语言模型的预测和推理。不仅如此，他还将 HBDL 的可解释性集成到健康监测系统中，提升了患者的用药效率，并用于帕金森病检测。
目前，上述研究成果已经影响了包括医疗、推荐系统、天气预报等多个领域，并在微软、亚马逊等企业获得应用，影响了数百万用户。
️她开发了索尼首个以视觉为中心的联邦学习平台、视觉基础模型和图像生成模型，助力解决全球性的隐私安全版权与高成本难题。
吕灵娟目前的研究项目主要致力于负责任、低成本、高性能视觉基础模型和图像生成模型的开发，以及解决一系列的数据隐私安全和版权问题。她带领团队从零到一开展了多项基础研究与商业驱动型研究，研究主题涵盖低成本、负责任且高效的视觉基础模型与生成模型的开发、联邦学习、计算机视觉隐私与知识产权保护。
她开发了索尼首个视觉基础模型、业界最便宜图像生成模型、端到端隐私工具箱以及以视觉为中心的联邦学习平台。并且，在多款终端设备包括全球第一款具有边缘处理功能的智能视觉传感器上，部署验证了终端隐私和终端多任务解决方案带来的商业价值，对数百万用户产生了积极影响。
其团队仅用 8 个月时间完成了首个参数规模仅为百万级别的视觉基础模型（VFM，Vision Foundation Model）。这是迄今为止最全面且功能强大的 VFM，能够支持 17 种实用视觉任务并优于许多知名公司的 VFM 及多模态基础模型。其团队仅用 8 个 H100 GPU 在 2.5 天内基于合法数据从头训练出一个扩散模型 v1/v2 质量的图像生成模型（MicroDiT），这是迄今为止从头训练成本最低的图像生成模型，将模型的训练成本大幅降低至仅 1890 美元，比稳定扩散模型训练便宜了 118 倍。
️他利用独特的扫描探针显微技术，发现了莫尔晶格的全新物理特性，为未来量子技术进步奠定基础。
两层石墨烯以 1.1 度的“魔角”堆叠时，微小旋转形成的周期性莫尔晶格，会诱导出单层石墨烯无法实现的量子态，包括超导性的全新特性。
这项于 2018 年取得的突破性成果，在推动莫尔材料迅速成为凝聚态物理前沿研究方向之一的同时，也带来了不少待解之谜。比如，这些量子态是如何产生的？是否存在尚未被发现的量子态？以此为研究起点，谢泳龙利用扫描探针显微技术开展了一系列探索。
他对魔角石墨烯进行首次谱学测量后发现，在所有掺杂水平下，电子之间相互作用的强弱是系统的主要能量尺度。
随后，他也在魔角石墨烯中发现了一直没有被找到的分数陈绝缘体，这类材料无需外加强磁场即可实现分数量子霍尔效应，为开发任意量子器件提供了新的可能。
此前研究表明，如果在莫尔晶格的基础上继续堆叠更多层材料，就会形成与莫尔晶格共存的超级莫尔晶格，后者一直被视为破坏莫尔晶格周期性的缺陷。他的研究推翻了这一传统认知，发现超级莫尔晶格不仅能够揭示莫尔材料的隐藏性质，还可用于调控甚至创造新的材料特性。
另外，理论预测非阿贝尔任意子会出现在一类特殊的分数陈绝缘体中，但目前在莫尔材料中尚未有明确的证据，因此，他目前正积极通过扫描探针显微技术验证这一预测。
️她将高阶拓扑和非厄米物理引入声学及光学超材料，为鲁棒操控声波与光波开辟了新途径。
波与粒子的精准调控是现代科学和技术发展的核心挑战之一。传统材料中的缺陷与杂质往往导致传播过程中的大量散射和能量损耗，严重制约了相关技术的实际应用。张秀娟聚焦于拓扑物理与超材料的交叉领域，提出了原创性的多维拓扑相变理论，揭示了高阶拓扑绝缘体中多维拓扑态的存在机制，为实现缺陷免疫的波传播提供了全新理论框架。
实验上，她率先设计并构筑了高阶拓扑声学超材料，成功验证了空间多个维度上拓扑态的存在及其鲁棒性的波传输/局域特征，为这些新奇拓扑相的研究奠定了实验基础。此外，张秀娟还将非厄米物理创造性地引入拓扑超材料，提出并验证了非厄米高阶拓扑材料与非厄米趋肤效应。基于后者，她实现了在 100 至 1000Hz 宽频带内超过 80% 的声波高效吸收，有望为解决长期存在的低频噪声控制难题提供新的启发。
她的突破性工作解决了高阶拓扑相的实现机制与性质刻画等关键科学问题，为开发鲁棒的多通道信息传输、深亚波长声镊和高灵敏传感器等变革性技术奠定了理论和实验基础。
️她构建了纳米酶复合益生菌新体系，成功克服益生菌在肠道环境中存活难和功效差两大难题，显著提升肠炎和肠癌的治疗效果。
益生菌在应用中面临两大核心挑战：一是在病理环境中的防御能力较弱，难以长期存活；二是产生的功能性代谢物种类少、含量低，治疗效果受限制。曹芳芳致力于将仿生材料与微生物结合，开发具有强防御能力和高功效的益生菌。
她提出利用抗氧化纳米酶对益生菌进行仿生编辑的概念，通过构建“抗氧化纳米酶复合益生菌”新体系，使益生菌具备了抗氧化防御能力，克服了益生菌在炎症环境中的存活难题，在大动物犬模型上验证了该复合益生菌的疗效。结果显示，口服仅 3 天，犬类的溃疡性结肠炎便得到显著改善。她也与日本 Zeria 公司合作开展临床前评估，共同推进该技术的临床转化。
为增强益生菌的抗肿瘤代谢能力，曹芳芳还提出一种通过促氧化纳米酶对益生菌进行仿生编辑的创新方法，并构建了“促氧化纳米酶复合益生菌”体系。从中，她发现促氧化纳米酶能够在肿瘤微环境中特异性地产生非致死量的羟基自由基，自然促进益生菌生成更多具有抗肿瘤作用的短链脂肪酸。后者能够通过调节肿瘤局部 pH 值，进一步促进纳米酶生成更高浓度的活性氧，从而有效治疗肠癌。
️他提出了首个基于 AI 的通用 RNA 基础模型，显著加速 RNA 设计迭代并大幅减少实验周期和成本。
近年来，李煜带领团队开展了一系列与 RNA 治疗和 AI 相关的研究工作，包括疾病建模、RNA 序列与结构建模以及 RNA 设计。
疾病和组织建模方面，他与合作团队利用类似大语言模型的训练方案，在一个连续的、低维的空间中构建统一的疾病表示，可在新的疾病空间上进行高效的遗传参数估计，并发现了 40 个以前所有方法都错过的遗传位点。其团队开发的组织建模方法能够在精确预测细胞类型比例的同时，预测具有生物学意义的细胞类型特异性基因表达谱，加速高通量临床数据的精确分析。
RNA 建模和设计方面，李煜团队提出了该领域的第一个通用 RNA 基础模型，基于 2300 万个未注释的 RNA 序列训练了该模型，并从 RNA 序列中提取了其序列表征及进化信息。此外，其团队还基于蛋白质语言模型和密集检索技术提出了一种创新的蛋白质同源物检测方法 DHR，能够实现超快速和高灵敏度地检测蛋白质同源物。借助这些序列建模工具，他领导开发的 RNA 3D 结构预测模型 RhoFold 在 CASP15 中获得 RNA 结构预测全自动化类冠军并且其团队获得总评全球冠军。更新后的模型 RhoFold+ 在 RNA 3D 结构预测方面显著优于 AlphaFold3。
在解决实际的生物学问题方面，这些问题进一步通过湿实验室实验得到验证。例如，李煜团队开发了 RNA aptamer 设计方法 RhoDesign 并使用其设计了新的荧光 Mango aptamer。值得关注的是，其中 10 个设计的 aptamer 显示出比天然 Mango-I 更高的荧光。借助 RhoDesign，RNA aptamer 设计流程可以从 6 个月缩短到 4 周。
️他通过开发高精度电磁力控制系统和智能运维技术，成功解决 EMS 型磁浮列车在复杂环境下的稳定性、鲁棒控制及故障容错等难题。
凭借卓越的高速潜能和环保优势，高速磁浮列车有望成为继高铁之后又一具有全球影响力的交通方式。然而，由于工作环境错综复杂等因素，实际运行中的高速磁浮列车，也存在一些亟待解决的关键问题，包括复杂环境下的高精度控制、多电磁铁协同控制，以及长期运行的安全保障。
加入同济大学以后，孙友刚的研究围绕磁浮列车的智能控制与安全运行保障展开。他希望通过攻克上述全球性的挑战，实现高速磁浮技术的产业化推广，从而为我国高速磁浮交通的发展贡献力量。
针对此，他提出了复杂场景下快速动态高精度电磁控制技术，建立单点磁浮系统的控制器设计和稳定性分析方法，提高了控制器在线计算的实时性，悬浮系统的稳定性和安全性，减少了故障率。
他也建立了多点悬浮系统的电磁力协同控制方法，实现了多电磁铁竞态效应下的有限时间稳定性和多目标优化。
另外，他还构建了磁浮列车智能监测平台，实现悬浮状态在线监测和半监督学习，为磁浮列车的长期安全运行提供了保障。同时，提出时滞和故障容错方法，攻克磁浮列车长期运行下故障容错性能不足的瓶颈。
孙友刚及其团队的这些研究成果，已成功应用于长沙磁浮快线、凤凰磁浮快线、高速磁浮国产化样车等重大工程，并取得显著的社会和经济效益。
️他致力于高效催化剂开发、反应器及催化流程设计，发展出一条从简单低碳分子到复杂高碳分子的高效转化路径。
二氧化碳不仅仅是导致温室效应的“罪魁祸首”，还是一种重要且随处可得的碳基资源，可以被升级转化为高价值产品。就二氧化碳电还原技术来说，其在减排与碳基资源利用方面潜力巨大，不过也存在产物分离、难以获得高碳数产品等问题，尚且无法实现大规模商业化推广。
为攻克上述挑战，长期从事二氧化碳转化利用技术研发的夏川，将研究方向聚焦于现场利用大气中的二氧化碳、水、氧气等环境资源，以清洁电力驱动重塑各类生产物质的获取路径，从而实现超越自然生物体物质转化效率的极限。
他提出改性交联配位策略，实现了系列单原子活性中心从单一配位到复杂配位结构的精准调控。同时，提出单原子调制剂策略，通过引入异质单原子调制载体金属电子结构，将二氧化碳定向转化为一氧化碳、甲酸、甲烷等各类低碳化学品。
他也开发了一种混合电生物系统，通过空间分离的二氧化碳电解与酵母发酵耦合，实现了从二氧化碳到葡萄糖的高效转化。在该研究中，他开发了一种纳米结构铜催化剂，能在固体电解质反应器中稳定催化生成纯乙酸。并且，通过对酿酒酵母进行基因工程改造，使其能利用电化学生产的乙酸，在体外合成葡萄糖。
他还证明了该平台可以轻松扩展至以二氧化碳为碳源，生产脂肪酸等其他产物，为可再生能源驱动的制造业提供了创新范式。
️他将电子显微镜与集成光芯片跨领域结合，开创了基于集成光学的自由电子精密测量与超快调控，有望推动科学装置、工业设备和医疗仪器等系统应用。
杨宇嘉的研究创新性结合了集成光芯片与电子显微镜两大领域。
他在电镜中使用非线性集成光芯片研究了自由电子与非线性光学态的相互作用，通过孤子光频梳实现了脉冲时间小于 100fs、重复频率达到 200GHz 的电子束超快调控。
该技术仅用连续激光器即可达到飞秒激光器调控电子束的脉冲时间，同时将重复频率及电子束流提升了四个数量级以上，有望用于开发低成本、高性能和易于实施的新型超快电镜与微型电子加速器。此外，该研究还首次展示了电子显微与能谱在非线性光学研究中的重要作用。
他与合作者研发了电镜中的集成光学微腔产生的相关自由电子和光子对，首次揭示了单光子与单电子在能量和时间上的相关性，并展示其在低噪声、高动态范围的电子显微方法中的应用。并且，在后续工作中，他与合作者也验证了自由电子产生的量子光学态。
在精密测量方向，他利用光芯片上光场对自由电子的相位调控，实现了横跨微波、光学和自由电子的频率链。这项研究连接了相差 1013 倍、由不同物态携带的频率，并结合了电磁波和自由电子物质波的频谱学。
同时，还利用该技术开发了自由电子能谱仪的新型精密校准方法，不但将精度提升约 20 倍，还能准确测量电子能谱仪的不规则性，可用于超高精度电子能谱的测量。
️他通过口服细菌生物材料替代传统的透析，将肾衰竭毒素转化为氨基酸，已在猪模型中实现了 80% 以上的毒素清除率。
活菌制剂是调控人体菌群失衡的创新疗法。然而，我国在此领域面临严峻挑战：核心菌种依赖进口、基因模块技术受欧美垄断、临床转化滞后。
郑迪威提出生物材料赋能细菌治疗的新思路和新方法，实现瘤内菌群重塑和代谢级联调控，为消化道肿瘤和肾衰竭等重大疾病治疗提供新策略。
通过融合多学科技术，他构建了基于材料学、化学和物理学的细菌改造工具箱，从亚结构、单菌、菌群等多尺度对细菌进行高效和精准改造；阐明了生物材料和细菌的互作机制，提出材料精准调控复杂菌群的理念，建立了调控细菌在体内分布的时空耦合技术；面向恶性肿瘤、代谢性疾病等，揭示疾病和细菌之间的互作关系，面向临床需求提出仿生滞留、长效黏附等剂型化新策略，创建了一系列安全、高效、多功能的细菌生物材料，并在重大疾病的治疗领域取得初步进展。
该技术有望通过口服微菌群替代传统的透析，大幅降低治疗成本，并避免透析引发的腹膜炎等致命并发症。目前，该技术已在猪模型中实现了 80% 以上的毒素清除率，具有显著的临床转化潜力。
此外，他提出了基于质壁分离的细菌改造技术，仅需氯化钠的辅助便可将功能性益生元与益生菌融合，赋予益生菌更强的黏附定植、代谢增效等能力，有望为工程菌的构筑奠定新一代范式。
️他提出创新的超复数参数化方法提升 AI 模型效率，开创多模态思维链（Multimodal-CoT）增强复杂推理，并作为核心贡献者推动了 Llama 3 和 Llama 4 的超长（千万 token）上下文与多模态集成技术的发展。
让前沿人工智能惠及每一个人，是阿斯顿·张的长期目标。为此，他在 AI 效率、开源贡献等关键领域做出了杰出贡献，致力于打破技术壁垒，推动 AI 技术的普及与民主化。
面对深度学习模型巨大的计算和存储需求，他开创性地提出了参数化的超复数乘法框架。该方法突破了传统超复数运算（如四元数）的维度限制，能够在不牺牲模型表达能力的前提下，实现任意维度（1/n）的参数压缩，显著提升 AI 模型的效率。
在多模态推理领域，针对早期思维链（CoT）研究主要局限于语言模态的不足，张博士于 2023 年提出了多模态思维链（Multimodal-CoT）。该方法创新性地将语言（文本）和视觉（图像）模态融入一个两阶段框架，分离了基本原理生成和答案推断过程。这种设计使得答案推断能够利用基于多模态信息生成的更优质基本原理，有效缓解了模型的幻觉问题并提升了收敛速度。在 ScienceQA 等基准测试中，其参数量小于 10 亿的模型取得了当时的领先性能，为复杂多模态推理任务提供了重要思路。
此外，作为 Meta Llama 3 和 Llama 4 开源大模型的核心贡献者，他在推进大规模 AI 的可访问性方面发挥了关键作用，不仅参与了模型的预训练和后训练，还主导了超长（千万 token）上下文能力的研发，并对数据预处理、多模态能力集成和推理优化等方面做出了重要贡献。Llama 模型发布后迅速成为全球开发者社区的焦点，其极高的开放性和性能表现为打破先进 AI 模型的专有壁垒提供了强有力的替代方案。
️他通过跨物种递送，首次将植物天然光合作用系统植入哺乳动物细胞内，为其提供能量，并在衰老退行性疾病骨关节炎的治疗中显示出良好的临床应用前景。
细胞能量代谢障碍是运动系统损伤及退变相关疾病最根本的共性原因，但一直以来，人类对细胞能量代谢及调控机制仍缺乏了解。
林贤丰主要聚焦运动系统疾病中细胞损伤、退变乃至死亡过程中的能量代谢及调控机制，致力于通过能量递送改变病变进程，进而实现对特定疾病的精准治疗。
受“大力水手吃菠菜”的故事启发，他带领团队发现生命体进化过程中的“能量货币”和“物质货币”——ATP 和 NADPH，在不同物种间可以相互通用。并成功将植物的光合作用系统跨物种移植到哺乳动物的退变细胞中，为哺乳细胞提供了一种新型、动态、实时的细胞“能量工厂”，克服了传统能量递送的低效及副作用，实现对退变细胞能量和物质的精准、可控补充，在动物实验中逆转了骨关节炎的病理改变。未来有望延伸至心脑梗死疾病治疗、阿尔兹海默症等全身重要器官组织疾病治疗。
️他开发了原子分辨三维电子成像技术，能精确获得材料中每一个原子的三维位置和种类，为未来纳米能源材料的设计提供指导。
原子在三维空间的排布，决定了物质的物理性质。精确定位它的三维位置，对于从最基本尺度上认识材料结构与功能而言至关重要。利用 X 射线晶体学技术，可以实现对完美晶体三维原子结构的精准定位，但这种晶体在自然界里极为少见，更多材料的性能直接取决于表面重构、晶界缺陷、位错等等，用晶体学无法准确获得这些缺陷原子的排列。
杨尧多年来专注于能源材料和电子显微学领域，他开发的原子分辨三维电子成像技术（AET，Atomic Electron Tomography）能够解决这一问题。通过先进球差校正电子显微镜和计算机三维重构算法的结合，可以精确地得到被测系统中每一个原子的位置和种类。并且，此方法无需任何晶体学假设，就能精确地定位晶体中的缺陷，甚至非晶体中的原子结构信息，从而进行高精度的原子定量分析。
凭借该技术，他得到了非晶（玻璃态）材料的三维原子结构；表征了纳米催化剂包括铂基双元素合金以及中/高熵合金的三维原子结构；解析了二维材料的三维原子结构。并在此基础上添加了时间维度，在动态过程当中捕捉了纳米材料早期形核过程的三维原子结构变化。
目前，AET 技术已经成为新一代结合电子显微学和人工智能算法来解析三维原子结构的科学范式。这对于优化能源材料、提高反应效率、能量密度、循环寿命等性能非常重要，并有望解决双碳目标的实现路径问题。
️2024 年度《麻省理工科技评论》“35 岁以下科技创新 35 人”中国评选获得了 50 余位重量级专家评委的参与，他们是来自国内外各个专业领域的权威人士。在此，特别感谢以下评委的支持（按姓氏排序）：
