科技資訊

千噸級離子液體法再生纖維素纖維項目正式投產

中國科學報2025年7月3日報道，由中國科學院過程工程研究所（以下簡稱過程工程所）自主研發的離子液體法制備再生纖維素纖維技術落地河南新鄉化纖白鷺生物基新材料產業園，年產 1000t 新一代再生纖維素纖維一首賽爾示范項目正式投產。該項目實現了離子液體法再生纖維素纖維的規模化生產，與傳統工藝相比，真正突破了紡絲工藝變革和環保問題的瓶頸，實現“三廢\"零排放。

由中國科學院院士帶領的過程工程所離子液體團隊歷經十余年持續攻關，突破了離子液體設計制備、纖維素溶解機理及紡絲工藝、離子液體回收及系統集成等系列科技難題，最終形成離子液體溶解纖維素及綠色紡絲新技術。經過小試、噸級、百噸級示范，設計建成了該千噸級生產線

首賽爾纖維采用不揮發且性質穩定的離子液體作為溶劑，擺脫了對強酸強堿及二硫化碳的依賴，生產過程更綠色、更穩定、更安全。其長絲產品的纖度、強度、伸長率、干斷裂伸長變異系數等性能均達到國際標準，且無原纖化現象。同時，離子液體溶劑回收技術簡單，實現了環保效益與經濟效益雙贏。

張鎖江表示：“離子液體綠色紡絲技術的成功突破，是綠色纖維領域一次重大工藝變革，標志著離子液體紡絲前沿技術真正從概念原創到技術落地。”

據新鄉化纖總工程師、白鷺新材料研究院院長謝躍亭介紹，項目制備出的全新概念離子液體法再生纖維素長絲，實現了全流程廢水、廢氣、固廢零排放。據測算，相較傳統化石纖維，新技術的應用可每年減少 5000t 二氧化碳排放，溶劑回收率將高達99% 以上。

中國紡織工業聯合會副會長端小平表示，該項目樹立了新型綠色技術產業化標桿，為產業鏈綠色可持續轉型提供了新的綠色纖維選項，是實體經濟落實“雙碳”目標的重要成果，能夠顯著增強我國紡織業的全球綠色競爭力，為生態文明建設貢獻堅實的產業力量。

再生纖維素纖維以天然植物纖維素為原料，具有吸濕性好、透氣性強、優良的懸垂性和蠶絲般的光澤等優點，目前市場常見產品有粘膠、莫代爾、萊賽爾等，在紡織領域具有良好的應用前景。

（2025年7月3日甘曉中國科學報）

石墨烯中首次演示量子自旋霍爾效應

科技日報2025年6月30日報道，荷蘭代爾夫特理工大學科學家首次在無須外部磁場的條件下，觀測到石墨烯中的量子自旋流。這一突破性發現為自旋電子學的發展提供了關鍵支持，標志著向實現量子計算和先進存儲設備邁出了重要一步。相關成果發表于《自然·通訊》。

這是科學家在實驗中首次在石墨烯中演示了“量子自旋霍爾效應”。在這種效應下，電子會沿著石墨烯的邊緣無損耗地流動，所有電子的自旋方向保持一致。自旋是電子的一種內稟量子特性，類似于一個微型磁針，可以指向“上\"或“下”。利用電子自旋來傳輸和處理信息是自旋電子學的核心原理。這類器件有望成為下一代高速、低能耗電子設備、量子計算機以及先進存儲系統的關鍵基礎。

長期以來，在石墨烯中實現量子級別的自旋輸運通常需要施加強外部磁場，這不僅限制了其在芯片上的集成應用，也阻礙了相關技術的實際推廣。因此，此次無須外加磁場即可實現量子自旋流的研究成果，為未來自旋電子器件的實際應用掃清了一大障礙。

科學家通過將石墨烯與一種磁性二維材料CrPS4堆疊在一起，巧妙地繞過了對外部磁場的依賴。這種磁性層顯著改變了石墨烯的電子結構，從而誘導出量子自旋霍爾效應。實驗顯示，石墨烯中的電子輸運行為受到CrPS4的影響，呈現出明顯的自旋方向依賴性。

更重要的是，這種由鄰近磁性層調控的自旋電流具有“拓撲保護\"特性。這意味著即使存在缺陷或無序干擾，自旋信號仍能在數十微米的距離內保持完整，不會在傳輸過程中丟失信息。這種高度穩定的自旋傳輸能力對于構建高性能、高可靠性的自旋電子電路至關重要。

這項研究不僅首次證實了無須磁場即可在石墨烯中實現受保護的量子自旋流，也為開發基于石墨烯的超薄自旋電子器件打開了新窗口。未來，這類穩定的自旋電子結構有望用于高效、相干地傳輸量子信息，并作為量子計算的基本單元，連接多個量子比特，推動新一代信息技術的發展。

（2025年6月30日張夢然科技日報）

極限。自旋量子比特將信息編碼在單個電子的磁方向上，具有易于擴展的優勢，并與當前廣泛使用的互補金屬氧化物半導體（CMOS）技術兼容。

自旋量子比特必須在1開爾文以下的極低溫度才能穩定運行，保持其量子信息。此外，要實現大規模擴展，還需通過復雜集成電子系統來控制與讀取這些量子比特。而這又帶來一個重大難題：若控制電路距離過近，產生的熱量和電噪聲可能會干擾量子態的穩定性。

此次，研究團隊首次證明，通過精密設計，這種干擾也可避免。實驗顯示，該芯片能實現對單比特和雙比特操作的高保真控制，幾乎無性能損失，且不會影響量子態的相干性。這意味著控制系統可與量子比特緊密集成，解決了長期困擾量子計算擴展的“干擾\"和\"發熱\"難題。相關測量還表明，系統功耗極低，總體控制功率僅約 10μW ，其中模擬部分每兆赫僅耗電 20nW ，有望支持百萬量級量子比特的擴展。

該實驗印證了科學界長期以來的一個設想，即在一定的溫度環境下，復雜的電子系統也可與量子比特集成，實現精確控制。實驗結果表明，只要控制系統設計得當，即使量子比特與不到一毫米遠的晶體管芯片共存，其量子態幾乎不會受到干擾。

這項研究為在CMOS技術基礎上，將自旋量子比特規模化至上百萬個，從而構建實用量子計算機提供了可行方案。研究人員認為，該低溫電子平臺不僅可助力量子計算，還將在傳感系統和未來數據中心等多個領域釋放潛力。

（2025年6月30日張佳欣科技日報）

低溫下精準控制量子比特的芯片問世

科技日報2025年6月30日報道，量子計算機要真正實現大規模實用化，關鍵在于如何穩定、精準地控制海量量子比特。澳大利亞悉尼大學與新南威爾士大學的研究團隊在這一方向取得重要突破。他們開發出一種低溫下實現精準控制的芯片，有望將芯片上的量子比特數量從目前的幾十個擴展到百萬量級。相關成果發表在《自然》期刊上。

研究團隊研制出一種可在毫開爾文溫度條件下控制自旋量子比特的硅芯片。這一溫度略高于絕對零度 （-273.15^°C ），理論上是物質完全靜止的

鈣鈦礦有機電池光電轉換效率 紀錄刷新

科技日報2025年7月1日報道，新加坡國立大學科研團隊研制出一款新型鈣鈦礦有機串聯太陽能電池，經權威認證，其 1cm²"有效面積內的光電轉換效率達到 26.4% ，創下同類設備的世界紀錄。研究成果發表于《自然》雜志。

研究團隊表示，新研制出的串聯電池兼具輕薄、柔韌等特性，未來可直接集成于無人機、智能織物、可穿戴設備等人工智能裝備，為其提供清潔能源。

這項突破的核心在于，團隊創新研發的窄帶隙有機吸收器。該裝置猶如一個精密的\"光子捕手”，能高效捕獲近紅外光區的光子，成功解決了長期制約薄膜串聯太陽能電池發展的技術瓶頸。

鈣鈦礦與有機半導體材料的帶隙可靈活調控，使串聯電池具備突破理論效率極限的潛力。然而，近紅外光區吸收效率低下一直是制約研發進程的“絆腳石”。

面對這一挑戰，研究團隊另辟蹊徑，設計出具有不對稱結構的有機受體。這種創新結構不僅將吸光范圍拓展至深近紅外區域，還能維持足夠的電荷分離驅動力，并形成規則有序的分子排列。借助超快光譜技術和器件物理分析，研究團隊證實該設計實現了高效電荷收集，同時將能量損耗降至最低。

在具體實施中，研究團隊先將這種高性能有機子電池與頂層的鈣鈦礦電池疊加，再通過透明導電氧化物互連層將二者有機結合。測試數據令人振奮： 0.05cm²"的微型樣品轉換效率達 27.5%，1cm²"標準器件效率為 26.7% ，其中 26.4% 的效率值已獲獨立認證。這一成果不僅刷新了鈣鈦礦有機電池的紀錄，其性能甚至超越同尺寸的鈣鈦礦CIGS電池和單結鈣鈦礦電池。

（2025年7月1日劉霞科技日報）

新AI模型可預測系列任務中人類的決定

中國科學報2025年7月3日報道，一項發表于《自然》的研究報道了創新人工智能（AI）系統Centaur。它可以預測人們在各種情況下做出的決定，并且優于利用心理學經典理論所做的推測。

不同于谷歌Deepmind的AlphaGo等只能預測一個人就單一任務做出選擇的AI系統，Centaur可以模擬一系列任務中人類的行為，包括賭博、玩記憶游戲、解決問題等。在測試過程中，Centaur甚至能夠預測未訓練過的任務中人類將如何做出選擇。該系統創建團隊認為，有一天它可能會成為認知科學領域有價值的工具。

“你可以開展硅基實驗，無須實際人類參與者。”該研究合著者、德國慕尼黑亥姆霍茲人類中心AI研究所的認知科學家MarcelBinz說，當傳統研究速度太慢，或者很難招募到兒童或有精神疾病實驗參與者時，這個AI工具可能很有用。

長期以來，科學家們一直在努力使用特定任務模型模擬人類廣泛的行為，但很難實現對大量任務中人類行為進行模擬。Binz和同事希望突破這一局限性。他們花了5天時間基于160個心理學實驗的大量數據，對美國Meta公司研發的LLMLLaMA進行微調。在這些心理學實驗中，6萬人在各種任務中做出了1000多萬個選擇。最終，研究人員得到了Centaur。

研究人員測試了Centaur對未包含在訓練數據集中的參與者的行為的預測能力。在32項任務中，除1項外，Centaur在預測參與者做出選擇方面都優于LLaMA和其他14個認知、統計模型。唯一表現略遜一籌任務是參與者判斷句子語法是否正確。

在面對受訓任務的修改版本時，Centaur表現良好，甚至在與以往訓練都不同的任務，如邏輯推理中，它也表現不錯。

盡管Centaur具有功能廣泛，但研究人員表示，它仍然存在局限性。比如，它可以預測一個人在給定任務中可能做出的選擇，但“無法預測他們需要多長時間”做出選擇。

研究人員表示，他們正在擴展訓練數據集到現有數據集的4倍。目前許多數據來自西方受過教育的工業化人群，這可能會限制Centaur在不同群體中的應用程度。

（2025年7月3日許悅中國科學報）

新研究揭示兩極冰蓋融水劇增關鍵推手

中國科學報2025年7月7日報道，中山大學教授程曉領銜的國際團隊創新性地聯合冰面融雪物理過程模型與機器學習模型，成功構建兩極冰蓋融化量遙感反演算法，并揭示了兩極冰蓋融水劇增關鍵推手。相關成果發表于《自然-氣候變化》（NatureClimateChange）

全球變暖背景下兩極冰蓋正以前所未有的速度消融。格陵蘭冰蓋表面融水直接匯入海洋，成為導致全球海平面加速上升的主要原因。南極冰蓋表面融水則可能深入冰架裂隙，誘發“水力壓裂”，導致冰架發生災難性崩解（如拉森B冰架），從而使內陸冰體加速入海。過去30年，冰蓋物質損失速率已比20世紀90年代初增長三倍以上。然而，受限于極地惡劣環境和實地觀測資料的稀缺，科學家只能依賴區域氣候模型進行大尺度、長時序的冰蓋融水體積估算，缺乏直接觀測驗證，其準確性存疑。

針對上述問題，程曉領銜的國際團隊在國家自然科學基金等項目的資助下，結合星載微波輻射計數據與冰蓋自動氣象站觀測數據，創新聯合冰面融雪物理過程模型與機器學習模型，成功構建兩極冰蓋融化量遙感反演算法。結果顯示，衛星遙感融化量估算精度遠超區域氣候模型。基于此，團隊生產了1992～2022/2023年間格陵蘭與南極冰蓋逐日融水體積數據集，實現對兩極冰蓋整體融化狀態的長時序評估。

衛星監測表明，1992～2022年間，格陵蘭冰蓋年均融水體積達 598±101Gt ，且以每年 4.5±3.9Gt 的速度顯著增加，西部流域是融化加劇核心區。負相位北大西洋濤動下，巴芬灣溫暖海洋氣流向內陸輸送，致格陵蘭西部下行長波輻射增強、表面融化增加，北大西洋濤動與夏季北極海冰范圍共同解釋58% 的格陵蘭融水體積變化，量化了極地核心熱點間的緊密聯系。

同時，東南極融水體積貢獻占比從1992～2000年的 26% 躍升至2000～2023年的 45% ，成南極最大融水來源區。研究發現，東南極極端融化年份多伴隨負相位南半球環狀模，且與臭氧總量指數顯著正相關。2000年后南半球環狀模增強趨勢停滯，與《蒙特利爾議定書》推動的臭氧恢復（致南極平流層變暖）有關。2018～2019年南極臭氧空洞恢復至近30年最小范圍，東南極融水體積達歷史最高值。

“我們通過觀測量化了北極海冰減少對格陵蘭冰蓋西部消融的放大作用，將北極冰一海一氣系統的變化緊密關聯。”論文通信作者程曉表示，該研究提供基于衛星實測的長時序兩極冰蓋融水體積數據集，填補極地冰蓋關鍵觀測空白，量化北極海冰減少對格陵蘭冰蓋西部消融的放大作用，凸顯地球系統響應的復雜性。

（2025年7月7日朱漢斌曹寧中國科學報）

全自動機器人高速檢測材料關鍵特性

科技日報2025年7月8日報道，美國麻省理工學院（MIT團隊開發出一種全自動機器人系統，可大幅加快對新型半導體材料的性能分析和測試速度。這項發表于《科學進展》雜志的技術突破，將極大提升當前對高效太陽能電池板材料的研發進程，還將為下一代高效、環保電子器件的誕生鋪平道路。

在尋找更高效的半導體過程中，人們需要檢測一種關鍵電學特性一光電導性，即材料在光照下的電響應能力。目前這一過程通常依賴人工操作，效率較低，嚴重制約了新材料的研發速度。而新開發的機器人系統能在無需人工十預的情況下自動檢測，速度快而且精度高。

該系統的創新之處在于結合了機器人技術、機器學習和材料科學知識。團隊將人類專家的經驗融入機器學習模型中，使機器人能自主判斷探針接觸材料的最佳位置，從而獲得最豐富的信息。同時，系統還配備了專門的路徑規劃算法，能快速找到在不同接觸點之間移動的最優路線，顯著提升測量效率。

整個檢測流程從機器人攝像頭拍攝載玻片上的材料圖像開始。隨后，系統利用計算機視覺將圖像分割為多個區域，并輸入一個特別設計的神經網絡模型中。該模型融合了材料科學家和化學家的專業知識，能根據樣品的形狀和成分，識別出最佳的探針接觸點。

詳細測試結果顯示，相比其他7種基于人工智能的方法，該神經網絡模型能在更短時間內找到更精確的接觸點；路徑規劃算法也始終表現出更優的效率。

在完整的 24h 全自動實驗中，機器人完成了超過3000次獨特的光電導檢測，平均每次檢測耗時不到 30s 。更重要的是，這些數據不僅數量龐大，而且細節豐富，使人們能夠識別出材料中光電導性較高的“熱點”區域，以及可能因老化或損傷導致性能下降的部分。

團隊成員表示，能在無人工干預的情況下快速收集如此高質量的數據，為發現和開發高性能半導體材料，特別是在太陽能電池等可持續能源領域，帶來了新的可能性。

檢測材料的光電導性通常需要經驗豐富的“老師傅”，但依賴人工操作，也就意味著效率較低。此次，MIT團隊研發出一種全自動機器人系統，可以無需人工干預，高速、高精度測量光電導性。其融合多學科知識，還引人了人類專家經驗， 24h 內可以完成超3000次測量，和人類相比堪稱神速。它能獲取海量且細節豐富的信息，為新型電子器件的快速研發奠定基礎。它還有望應用到其他需要精密測試的領域，打造人工智能和實體器件融合的新范式。

（2025年7月8日張夢然科技日報）

（欄目編輯：文雯）