1.上海交大环境学院赵一新教授团队研究实现高效率和高稳定性的钙钛矿太阳能电池，成果在Science发表
2.上海交大数学科学学院徐振礼团队在准二维库仑系统的算法研究领域取得重要进展
3.北京大学集成电路学院/集成电路高精尖创新中心AI for EDA开源数据集CircuitNet升级3.0版本
4.北京大学电子学院侯士敏团队：机器学习驱动分子动力学揭示单分子结中的立体电子开关机制
5.OpenAI传最快周五提交IPO文件 最快9月上市
1.上海交大环境学院赵一新教授团队研究实现高效率和高稳定性的钙钛矿太阳能电池，成果在Science发表
近日，《Science》在线发表了上海交通大学赵一新教授团队题为“AI-guided design of efficient perovskite solar cells operationally stable at 100 ˚C”的研究论文。该研究瞄准钙钛矿太阳能电池稳定性这个关键问题，开发了一个多智能体AI平台，通过AI辅助对高效稳定钙钛矿太阳能电池的器件构型和关键功能层化学组分进行了全面设计。实验与理论研究共同确立了甲脒-铯（FA-Cs）钙钛矿具有媲美CsPbI3钙钛矿稳定性的类无机特性，提出了一种双Al2O3保护层的高稳定性器件构型，成功实现了高效率和高稳定性的钙钛矿太阳能电池，可在100 ˚C的高温下连续运行1000小时以上。
研究背景
钙钛矿太阳能电池具有低成本与高效率的优势，但其在光、热等外场应力下的性能衰减仍是其产业化进程的主要障碍。钙钛矿太阳能电池由钙钛矿吸光层、电子/空穴传输层、界面层等多个功能层构成，其稳定性提升需要各层材料组分与器件结构的全局协同优化。长期以来，高性能钙钛矿太阳能电池的研发高度依赖“实验试错”的传统路径，需要大量的材料筛选与器件结构迭代，导致人力投入大、研发周期长。
研究内容
近年来，AI的快速发展为化学材料和能源器件的开发提供了新途径。赵一新团队开发了一种面向高效稳定钙钛矿太阳能电池设计的多智能体协同AI平台。与依赖高通量实验或仿真生成的大规模标注数据的传统数据驱动AI不同，该平台采用分工协作的多智能体架构，由四个具备领域专业知识且相互关联的智能体来实现文献机理知识的整合理解与小数据冷启动下的全局研发方向指引：数据智能体负责结构化数据提取与按需数据预处理；中心智能体协调多个智能体间工作流并规划器件结构；组分智能体辅助钙钛矿组分的优化；界面智能体指导器件界面及传输层设计。
图1 多智能体AI平台的工作流
基于数据智能体整合归纳万余篇相关文献数据，中心智能体通过机理知识与数据的融合分析，指导设计了具有双Al2O3保护层的高稳定器件构型，并将核心的钙钛矿组分与界面优化任务分配给专业的组分智能体与界面智能体。组分智能体分析器件稳定性数据，提出了FA-Cs钙钛矿组分的优化区间，结合热力学驱动单晶生长与正电子湮灭寿命的实验验证，揭示了FA和Cs合金化后可以抑制FAPbI3钙钛矿中影响稳定性的关键FA空位缺陷的形成，FA-Cs钙钛矿最终体现出类无机钙钛矿的高稳定性。界面智能体则从分子结构、界面稳定性、偶极矩等多方面综合分析，指导设计出具有高C-N键能的空穴传输分子，在高温和紫外光照下表现出优异的稳定性。最后，中心智能体整合组分智能体和界面智能体的分析结果以及基于智能体建议获得的实验数据，并反馈给数据智能体，实现“数据-实验-数据”的闭环迭代，进一步提升了多智能体AI平台的分析预测能力。
图2 钙钛矿组分、传输层及高稳定器件构型设计
在多智能体AI平台的辅助下，团队设计的高效率钙钛矿太阳能电池在100 ˚C持续运行1000小时后仍能保持97%的初始效率，突破了其长期面临的稳定性瓶颈。该成果展示了一条切实可行且前景广阔的AI4S赋能钙钛矿太阳能电池全链条设计路径，实现了从“实验试错”向“机理驱动+智能迭代”的转型，有望加速钙钛矿太阳能电池的产业化进程。上海交通大学环境科学与工程学院博士生郭嘉豪、溥渊未来技术学院未来光伏研究中心助理研究员李博伟和博士后张泽瑜、环境科学与工程学院博士后刘方为该论文的共同第一作者。上海交通大学溥渊未来技术学院王衍明副教授、环境科学与工程学院缪炎峰副研究员、上海交通大学赵一新教授为共同通讯作者，上海交通大学为第一单位。该研究得到国家自然科学基金、上海市自然科学基金、上海交通大学“交大2030”计划等项目的资助。 作者： 环境科学与工程学院 供稿单位： 环境科学与工程学院
2.上海交大数学科学学院徐振礼团队在准二维库仑系统的算法研究领域取得重要进展
近日，上海交通大学数学科学学院徐振礼科研团队在计算数学权威期刊 Numerische Mathematik 上发表了题为“ A fast spectral sum-of-Gaussians method for electrostatic summation in quasi-2D systems”的53页长文，提出了计算准二维库仑系统的快速谱高斯和算法。该工作为二维材料库仑体系的高效、高精度模拟提供了关键的工具。
准二维系统（Quasi-2D systems）是指在两个平面方向上具有均相性，而在垂直方向上非均相或受到纳米尺度限制的粒子体系。虽然这类体系在几何结构上接近二维，但其中的粒子相互作用仍然发生在真实三维空间中，因此既保留了二维材料的强界面效应和各向异性特征，又受限于长程作用的高计算复杂度。这类体系在半导体物理与先进微电子器件的研究中具有极为典型的代表性。随着半导体器件尺寸微缩至纳米节点，在诸如半导体异质结界面处的二维电子气、二维材料场效应晶体管以及超薄体器件中，载流子常常被强电场或材料界面严格限制在几纳米甚至单原子层厚度内，而在平面的两个维度上保持较大的空间延展性。准确计算纳米受限准二维体系中的静电相互作用，对于理解二维材料的电学性质、界面输运、能量存储机制以及纳米尺度调控过程具有重要意义。
对准二维库仑系统进行高精度数值模拟具有极大的挑战性。传统计算方法通常依赖全周期近似与Ewald谱方法相结合。对于极端各向异性的“狭窄体系”，也就是周期方向尺寸远大于非周期方向厚度的扁平体系，传统方法往往需要在非周期方向引入大尺寸的真空层以减弱“人为周期性”带来的伪影。随着体系宽深比增大，所需真空层也会显著增加，从而带来很高的计算开销。对于大规模、复杂的二维材料和纳米受限体系而言，这一问题已经成为限制模拟精度和计算规模的重要因素。
该科研团队提出快速谱高斯和算法创新性地利用库仑核的高斯和（Sum-of-Gaussians, SOG）分解代替经典的Ewald分解，将静电相互作用分解为近程、中程与长程三个部分。其中，局域的近程相互作用在实空间中截断计算；中程部分只需使用少量真空层填充的全周期近似完成计算；对最具挑战性的远程部分，则在周期方向继续使用傅里叶基进行谱计算，而在非周期方向引入切比雪夫多项式插值与反插值。这样的混合代理点策略避免了传统 Ewald 谱方法对大量真空层填充的依赖，特别适合处理宽深比很大的准二维周期体系。对于二维材料模拟而言，这意味着研究人员可以在不显著增加垂直方向计算网格的情况下，准确描述真实三维空间中的长程静电相互作用，从而为纳米受限二维材料体系的大规模模拟提供更高效的计算工具。
图1：快速谱高斯和方法计算狭窄准二维系统静电相互作用的示意图。
该研究对所发展的快速谱高斯和方法进行了严格误差分析，明确给出了误差随各类算法参数变化的衰减规律，并提出了一套基于目标精度的参数选择策略。这一结果不仅为算法的可靠性提供了数学保证，也为实际计算中的参数设置提供了清晰指导。对基于分子动力学或蒙特卡洛模拟的大规模材料计算而言，这种带有误差控制和参数选择准则的快速算法具有很强的实用价值。本文在立方体体系及极具挑战性的狭窄准二维体系上进行了系统的数值验证，其中γ用以量化体系的宽深比。图2的测试结果显示，模拟结果与本文的误差估计与衰减速度分析高度一致，并且即使在极度狭窄体系中，算法在非周期方向也仅需少量的切比雪夫代理点即可达到高精度，呈现近似线性的计算复杂度。值得注意的是，随着宽深比增加，非周期方向所需的代理点数反而呈现下降趋势。在面密度保持一致的条件下，常规精度下极度狭窄体系的计算甚至快于立方体体系；即使在极高精度要求下，极度狭窄体系（宽深比103.5:1）的计算开销仍然可控，不超过简单立方体体系耗时的两倍。这一结果表明，SOG快速谱方法在处理二维材料和层状界面体系中常见的扁平几何结构时具有明显优势，有效缓解了“体系越狭窄，计算越困难”的传统计算瓶颈。
图2：(a-b) 不同宽深比的狭窄准二维周期体系的静电计算结果（点）与非周期方向代理点衰减速度（线）的对比。宽深比设置为γ=100,500和1000。(c) 立方体体系与 (d) 极度狭窄体系随体系增大的精度及计算时间变化。立方体体系宽深比恒定为1，而极度狭窄体系保持面密度一致，宽深比γ由102随体系逐渐增大至103.5。
快速谱高斯和方法为准二维库仑系统提供了一种具有严格误差控制的高效计算工具，在二维器件仿真中有重要的应用价值。一个有趣且重要的潜在应用方向是半导体材料的模拟。特别是在极薄尺寸的先进半导体器件（如二维材料场效应晶体管）中，结合核独立高斯和逼近等技术以处理更复杂的相互作用核，该方法有望攻克复杂镜像边界下的电荷耦合计算瓶颈，深入揭示纳米尺度下的电荷捕获与界面极化现象，为高性能半导体器件的性能调控和架构设计提供高效可靠的计算支撑。Numerische Mathematik是计算数学与数值分析领域极具影响力的顶级权威期刊，致力于发表最具开创性和数学严谨性的重大研究成果，在国际学术界享有极高的学术声誉。近几年，该联合团队针对准二维系统长程计算存在的效率与内存瓶颈，在快速算法、高性能计算和机器学习等方面做出了系列的成果，在SIAM J. Sci. Comput., Appl. Comput. Harmon. Anal.和Phys. Rev. Lett.等期刊发表了多篇文章，为准二维体系的大规模分子动力学模拟和材料设计提供了坚实的算法基础与底层理论支撑。 作者： 数学科学学院 供稿单位： 数学科学学院
3.北京大学集成电路学院/集成电路高精尖创新中心AI for EDA开源数据集CircuitNet升级3.0版本
北京大学林亦波研究员-王润声教授课题组长期推动的 AI for EDA开源数据集CircuitNet 系列，目前升级到了3.0版本。此前，课题组联合合作者发布了 CircuitNet 1.0，面向 AI for EDA 领域缺乏公开数据集的问题，构建了首个大规模开源 EDA 数据集，为机器学习方法在芯片设计任务中的研究提供了标准化数据基础，相关成果发表于 Science China: Information Sciences，其扩展工作发表于 IEEE TCAD。随后，团队进一步提出 CircuitNet 2.0，面向先进工艺和更真实的芯片设计场景，扩展了数据规模、设计任务和评测基准，相关论文入选 ICLR 2024。近期，与中国科学院计算技术研究所团队合作，提出了面向AI驱动芯片设计的新一代开源数据集CircuitNet 3.0，相关论文由计算所、北京大学集成电路学院、香港中文大学共同完成，发表于国际机器学习顶级会议 ICLR 2026，为机器学习方法在芯片设计自动化领域的研究与评测提供了重要支撑。
CircuitNet 3.0 在前两代工作的基础上，进一步拓展RTL设计多样性、跨阶段数据对齐以及多模态联合建模等特性。该工作从经过验证的开源 RTL 设计出发，结合工业级 EDA 流程生成网表、布局和性能指标，并提出面向任务的数据增强与筛选方法：在 RTL 阶段基于 Verilog 语法树进行结构化重写以提升设计多样性，在网表与物理设计阶段围绕时序和功耗预测任务筛选更具工程价值的样本。通过上述方法，CircuitNet 3.0 不仅扩大了数据规模和设计覆盖范围，也增强了对早期时序/功耗预测、跨抽象层建模和多模态 AI for EDA 研究的支撑能力，体现了 CircuitNet 系列从后端任务数据集向全流程芯片设计数据基础设施的持续演进。
自发布以来，CircuitNet 系列工作已受到学术界和工业界的广泛关注。作为首个大规模开源 EDA 数据集，CircuitNet 为 AI for EDA 研究提供了开放、可复现的基准平台。目前，CircuitNet GitHub 仓库已获得大量 Star，并受到包括英伟达、斯坦福大学等知名企业和高校的关注与使用。
4.北京大学电子学院侯士敏团队：机器学习驱动分子动力学揭示单分子结中的立体电子开关机制
近日，北京大学电子学院侯士敏团队在分子电子学领域取得重要进展。研究团队将机器学习力场（MLFF）与分子动力学（MD）模拟相结合，探究了扫描隧道显微镜断裂结（STM-BJ）实验中单分子结在机械拉伸下的动态结构演化。不同于以往依赖少数静态构型的分析方法，该工作从大规模的动态构型系综出发，在分子结构型与电导之间建立起统计关联，为理解分子器件的电子输运机制提供了全新的统计学视角。相关成果以“Machine-Learning-Driven Molecular Dynamics Unravels Stereoelectronic Switching in Statistical Ensembles of Single-Molecule Junctions”为题于2026年5月14日在线发表在《美国化学会志》（J. Am. Chem. Soc.）上。
从单幅“快照”到动态“电影”
在机械可控断裂结（MCBJ）和扫描隧道显微镜断裂结（STM-BJ）实验中，单分子结在拉伸过程中会经历复杂的构型演变，导致电导呈现统计分布。尽管实验能够获得数千条拉伸曲线的统计电导直方图，但电导变化背后的原子尺度构型演化——尤其是由金电极和甲基化寡聚硅烷构成的分子结中立体电子开关效应的动态机制——此前仍不清晰。
利用机器学习训练的高精度力场，团队实现了对 Au–Si4–Au 分子结拉伸过程的分子动力学模拟，从而直接“看见”了分子结构型的动态演化。研究发现，该分子结的拉伸过程可划分为多个典型阶段，包括分子桥接形成、多位点二面角协同旋转以及分子-电极界面的重构等。
图1 （a）Au-Si4-Au分子结中二面角的示意图。从分子-电极界面到分子骨架内部，它们依次被标记为第一层、第二层、第三层和第四层。为了更好地可视化，隐藏了分子骨架中的部分原子（如甲基基团）。（b）拉伸过程中四层二面角之和的变化图以及各阶段代表性构型。每个结构的右侧记录了按照黑色箭头方向所看到的发生构型切换的第一层和第三层二面角的纽曼投影。
破译电导双稳态的结构密码
在电子输运性质上，模拟成功再现了实验中观测到的高、低电导双稳态行为。通过主成分分析（PCA）与相关性分析进一步发现，电导变化主要由两类二面角主导：分子-电极界面的 Au–S–C–Si 二面角，以及分子骨架内的 C–Si–Si–Si 二面角。这两类结构参数贡献了超过80%的构型变化信息。
导电机理方面，对透射谱的解析表明，分子结拉伸导致的电导提升并非主要来自分子能级位置的移动，而是源于分子轨道与电极耦合特性的改变。当这两类二面角从邻式构象（O 态）转向反式构象（A 态）时，分子轨道在空间上变得更加对称且离域，增强了分子与两侧电极之间的耦合对称性与强度，使相应透射峰的峰高和峰宽增大，从而提高了分子结的低偏压电导。这一构型伸展所引发的电子离域效应，正是高电导态形成的核心原因。
图2 （a）拉伸模拟得到的Au-Si4-Au分子结二维电导-相对位移直方图。（b）每个结构参数对PC1的相对贡献率，具体数值是每个标签对应的平方载荷归一化结果。插图给出了Au-Si4-Au分子结的结构参数，从上到下依次为键长（B）、键角（A）和二面角（θ）。（c）AAAA二面角组合的分子结透射谱和多能级模型拟合曲线。（d）平均峰高和（e）平均峰宽变化趋势图，竖线表示每个区域的95%置信带。
统计视角下的新发现
本研究在统计意义上建立了单分子结“构型-电导”之间的直接关联，突破了以往依赖少量静态结构的研究范式。借助机器学习辅助的大规模分子动力学模拟，不仅阐明了甲基化寡聚硅烷分子结中立体电子开关效应的微观机制，也为分子电子器件中的功能调控提供了理论依据。
这项工作展示了机器学习方法在分子电子学中的巨大潜力。未来，通过引入溶剂环境以及更接近实验条件的拉伸速度，有望进一步实现理论与实验的定量吻合，推动分子电子学向可预测、可设计的方向发展。
北京大学电子学院博士研究生董旸宇、电子学院博士后潘昊阳为论文共同第一作者，北京大学电子学院侯士敏教授、潘昊阳博士后为论文共同通讯作者。该项研究得到了国家重点研发计划、国家自然科学基金等的资助。
5.OpenAI传最快周五提交IPO文件 最快9月上市
综合外媒周三(20日)报导，ChatGPT开发商OpenAI正加速推动首次公开募股(IPO)计划，最快可能于本周五(22日)以保密方式向监管机构提交IPO文件，为可能成为史上最大规模之一的科技IPO铺路。
根据知情人士透露，OpenAI目前正与高盛(GS-US)、摩根士丹利(MS-US)等投行合作，着手准备IPO招股说明书，并规划在未来几天至数周内完成秘密递件程序。消息人士指出，公司最快可能于今年9月挂牌上市，但相关时程仍可能调整。
据了解，目前OpenAI在私募市场估值已超过8,500亿美元，成为全球最具价值的未上市科技公司之一。
OpenAI发言人则回应表示，公司「作为正常治理流程的一部分，会定期评估各种策略选项」，并强调目前重点仍放在业务执行，但未直接评论IPO时程。
OpenAI财务长佛莱尔(Sarah Friar)上月接受《CNBC》访问时也曾表示，对OpenAI这种规模的公司而言，「让公司在运作与治理上看起来像上市公司，是良好的基本管理习惯」，但当时并未透露具体上市时间表。
由执行长奥尔特曼(Sam Altman)领导的OpenAI，近年因ChatGPT爆红而成为AI产业核心企业之一，也被视为全球AI热潮最大受惠者之一。公司自2022年推出ChatGPT后快速崛起，目前已累计向投资人募得超过1,800亿美元资金，但同时也持续以惊人速度消耗现金，大举投资AI资料中心与算力基础建设。
市场目前也关注，OpenAI未来能否创造足够营收支撑庞大资本支出。阿特曼在推动IPO的同时，也面临投资人要求证明商业模式可持续的压力。
此外，OpenAI本周稍早才刚跨过IPO重要障碍之一。公司在与共同创办人马斯克的法律战中取得胜利，法院裁定对OpenAI有利。不过，马斯克已表示将提出上诉。
另一方面，马斯克旗下SpaceX也传出将最快于周三公开IPO招股文件。消息人士指出，高盛将担任SpaceX IPO主承销商，摩根士丹利、美国银行(BAC-US)、花旗(C-US)与摩根大通(JPM-US)也将参与承销。SpaceX今年2月估值已达1.25兆美元。
除了马斯克阵营竞争，OpenAI近期也面临AI新创Anthropic快速崛起的压力。Anthropic在企业市场与AI程序开发工具领域成长迅速，目前正与投资人洽谈新一轮融资，估值可能达9,000亿美元，甚至超越OpenAI。
Anthropic今年4月曾表示，公司年化营收已突破300亿美元，显示AI产业竞争正持续升温。（来源： 钜亨网）
