光神经网络计算、无机柔性半导体 、相对论等离子体、后摩尔硅器件 | 本周物理讲座

摘要：

The essence of discovery in the physical sciences is rooted in the inverse engineering of observational data. The integration of deep learning and physics-driven designs is reforming the way we address this inverse problems. Starting from a probabilistic perspective, this talk highlights the advances and potential of physics-driven learning methods, focusing on predictions of quantities in the physical sciences and physical interpretations of deep generative models. Practical examples include the reconstruction of spectral functions from correlation functions, the inference of the dense matter equation of states from compact star observations, and the extraction of hadron forces from lattice QCD. In addition, generative models are introduced as inverse modeling of physical probability distributions. This picture can help us to detect phase transitions directly from observations in energy-based models, and to link the quantum world with image generation in diffusion models. in the end, l will give a workflow how physicists can solve their own inverse problems with specific domain knowledge.

报告人简介：

王凌霄，现任日本理化学研究所(RIKEN)研究员。2020年在清华大学获得博士学位，期间赴东京大学联合培养。2020至2023年，他在法兰克福高等研究院(FIAS)担任博士后研究员，并在法兰克福大学兼任助理研究员。自2024年起，加入RIKEN-数理创造研究部(iTHEMS)，领导深度学习工作组。他的主要研究领域包括机器学习在物理学中的应用，如格点量子场论(LQFT)和其他非微扰量子色动力学(QCD)方法，并从多学科角度推进Al for Science研究。

报告人：狄大卫，浙江大学

时间：12月11日（周三）15:10

单位：北京大学物理学院

地点：物理楼中楼212

摘要：

光神经网络的快速发展为算力提升开辟了一条新的研究路径，得益于光信号的低功耗、低延时、高并行、大带宽等特性，基于神经网络架构的光计算有望用于空间信号、时间信号以及片上信息的处理。然而，目前光神经网络计算还欠缺统一架构，由于存在自身的物理限制，不同应用需求所采用的结构、器件、集成度、信号处理方式等均有不同。本报告针对光神经网络的实用性进行探讨，介绍光神经网络计算的基本原理和不同应用场景中的挑战，揭示光计算在未来信息社会中能够发挥的重要作用。

报告人简介：

陈宏伟，清华大学电子工程系长聘教授，入选国家级高层次人才计划。主持了多项国家重点研发计划项目、国家自然科学基金以及北京市科技项目等。在Nature Communications、Nature Nanotechnology、Science Advances、Light：Science & Applications等学术期刊发表SCl论文100余篇，授权国家发明专利20余项。担任《Journal of Lightwave Technology》、《National Science Open》、《中国激光》、《红外与激光工程》等中英文科技期刊编委。曾获教育部自然科学二等奖、全国发明展览会金奖、首届军民融合创新大赛金奖以及光学工程学会技术发明一等奖等多个奖项。

摘要：

柔性是一个广义的概念，通常是指材料具备在一定的形变情况下保持其特定功能的能力，即可变形性。在不同的应用场景下，可变形性有多种不同的定义，但主要可分为三种：1）可弯折或可卷曲；2）弹性可拉伸；3）可永久成型。传统的无机半导体材料由较强且具有方向性的共价键构成，通常难以表现出本征的柔性，只能通过薄膜工艺等自下而上的制备方式获得一定的“挠性”。但近年来，研究人员已经开发出了一系列具有柔/塑性的新型无机半导体，如Ag2S多晶、黑暗下的ZnS单晶和InSe单晶，这些材料的发现开创了新的科学研究方向，也有望推动柔性电子研究及产业的迅速发展。其中，Ag2S多晶半导体具有非常奇异和独特的力学性能，它具有媲美金属的延展性，压缩变形量可以达到50%以上，在三点弯曲测试中表现出超过20%的弯曲最大形变，其塑性远超过已知的陶瓷和半导体材料。室温下Ag2S具有高达100 cm2V-1s-1的电子迁移率，表明其高度可调的电学性能。报告回顾了本团队围绕Ag2S与InSe等一系列新型无机柔性半导体的研究成果，重点聚焦以Ag2S半导体为基础发展的无机柔/塑性热电材料及热电器件，以及Ag2S基柔性忆阻器与柔性温度传感器的研究。旨在总结目前Ag2S基无机柔性半导体的优势及发展瓶颈，展望其在柔性电子领域的更多潜在应用。

报告人简介：

杨世琪博士于2017年获得同济大学学士学位，2022年获得中国科学院大学博士学位，博士导师为陈立东院士，2022-至今在中国科学院上海硅酸盐研究所热电转换材料与器件课题组开展博士后研究，合作导师为史迅研究员。研究方向主要为无机柔性/塑性热电材料开发及器件构筑，利用化学键改性手段协同调控材料热电力性能，开发无机塑性热电材料成形制备、材料表面处理、金属化及器件一体化集成工艺，开展薄膜/微型热电器件的实际应用研究。发表Science、Advanced Materials等相关论文，申请发明专利10项，2022年至今主持国家自然科学基金青年项目、中国科学院特别研究助理资助项目、中国博士后基金面上资助和特别资助项目、上海超级博士后等科研项目。

报告人：龙炳蔚，四川大学

时间：12月12日（周四）11:00

单位：中国科学院理论物理研究所

地点：北楼202

摘要：

当前，2纳米半导体工艺节点即将实现量产，CMOS（互补金属氧化物半导体）晶体管的源漏间沟道物理长度只剩14纳米，根据国际路线图，晶体管沟道的物理长度将停滞在12纳米的物理极限尺寸，“摩尔定律”即将失效。进入“后摩尔时代”的半导体技术已经从原先单纯追求器件尺寸微缩提升集成密度，扩展到同时追求功能性集成；技术路线按照“延续摩尔”、“扩展摩尔”和“超越摩尔”3个不同维度继续演进，急需发展突破CMOS器件性能瓶颈的新材料、新结构、新理论、新器件和新电路，面临众多“没有已知解决方案”的基本物理问题挑战。在本报告中将介绍我们近期在突破硅晶体管物理瓶颈方面的一系列理论研究进展，包括解释费米钉扎效应新机制提出解决接触电阻瓶颈新方案，GAA晶体管空穴迁移率退化问题，以及可克服高k介电层材料和铁电晶体管瓶颈的光学声子软化新理论。同时，还将介绍硅基比特材料理论设计方面研究进展。

报告人简介：

骆军委，中国科学院半导体研究所研究员，半导体芯片物理与技术重点实验室主任，2014年入选国家高层次人才青年项目，2019年获得国家杰出青年科学基金，2021年获中科院首批稳定支持青年团队资助。2000年和2003年在浙江大学物理系分别获得学士和硕士学位，2006年在中国科学院半导体研究所获得理学博士学位，2007年至2014年在美国可再生能源国家实验室先后任职博士后、Scientist和Senior Scientist，2014年全职回国工作。长期从事半导体物理与器件物理研究，在解决硅基发光世界难题和硅基量子计算材料方面取得多项原创性研究成果，包括揭示硅量子点难以高效发光的物理根源否定了硅量子硅基发光方案，提出掺杂应变锗直接带隙发光的硅基发光原创方案，提出隐藏自旋极化新理论并启发众多新隐藏物理的发现等。已发表论文120余篇，包括以第一或通讯作者发表在Nature(1)、Nature Physics(1)、Nature Nanotechnology (1)、PRL(7)、Nature Communications(3)、Science Advances(1)、PNAS(1)等，担任32届半导体缺陷国际会议和22届多元化合物国际会议共同主席。