1.北京大学物理学院胡耀文、龚旗煌团队首次观测强耦合电光频率梳，开辟微波直接编程的片上光 梳新方向；

2.西安交大管理学院王尧教授与王开东副教授团队 在图结构数据补全研究方向取得新进展；

3.半导体所垂直自旋器件的全电写入和硅基集成研究取得新进展；

1.北京大学物理学院胡耀文、龚旗煌团队首次观测强耦合电光频率梳，开辟微波直接编程的片上光梳新方向；

2026年3月12日，北京大学物理学院现代光学研究所胡耀文研究员、龚旗煌教授团队与哈佛大学Marko Loncar教授团队合作，在国际学术期刊《自然·物理学》（Nature Physics）上在线发表一项以《强耦合电光频率梳：通用动力学与可编程微波调控》（“Universal dynamics and microwave control of programmable resonant electro-optic frequency combs”）为题的突破性研究成果。该研究依托薄膜铌酸锂（TFLN）平台，国际首次实验观测强耦合电光频率梳，完整揭示其普适动力学，并实现微波驱动片上可编程的光频梳调控，标志着谐振型电光频率梳从“固定功能光源”迈向“全可编程光子平台”新时代。

基于电光效应的频率梳是精密计量、光谱学、光子互连与量子计算中的重要光源。谐振型电光频率梳通过把微波调制引入光学微腔，从而在离散腔模之间建立可控耦合。这使得谐振型电光频率梳能够借助腔内场增强效应来高效地产生一系列等间距的新频率分量，进而具有结构紧凑、工作稳定、易于操控等优势。长期以来，人们对这类器件的理解主要建立在“最近邻耦合”图像之上：当微波频率与微腔自由光谱范围（FSR）匹配、调制较弱时，频谱输出通常表现为两侧近似指数衰减的频谱，在时域上对应双脉冲态。此次工作首次在实验上实现了强耦合电光频率梳的直接观测，并借助薄膜铌酸锂平台对调制深度和光学失谐进行了高自由度调控，揭示了谐振电光频率梳完整的非线性态空间。值得一提的是，团队此前也曾在国际上首次理论预测了强耦合电光频率梳的存在[Light Sci Appl 14，373(2025)]。

图1 谐振型电光频率梳的通用动力学和可编程微波调控

随着调制进入强耦合区间，单音微波不再只在相邻模式间逐级传递能量，而是在多个腔模之间同时打开并行耦合通道，形成更复杂的频域连通网络，使原本平滑下降的指数包络转变为带有周期性振荡的频梳包络；与之对应，腔内波形也从传统双脉冲态演化为四脉冲、六脉冲乃至更复杂的多脉冲态。

图2 强耦合电光梳多脉冲态与频谱振荡结构

引入多音微波驱动后，谐振电光梳进一步展现出其可编程能力：通过改变微波频率与FSR的倍频关系，同一TFLN谐振腔即可输出梳齿间隔不同的宽带频率梳，实现重复频率灵活调节；在总微波功率不变的情况下，多音驱动还能显著改善梳带宽与光谱形状，通过引入失谐构造“频率边界”，团队实现了100余个模式的谐振平顶电光梳，并将对光学腔品质因子的要求降低了8倍。这表明，电子驱动本身也可以成为高自由度的频谱整形工具，使谐振电光系统由固定功能器件迈向可重构、可编程的片上光子平台，在通信、计量、微波光子学与任意波形生成等方向展现出广阔应用前景。

图3 可编程片上100余个模式谐振平顶电光梳

北京大学物理学院2023级博士研究生雷天琦和哈佛大学宋云翔为论文共同第一作者，胡耀文和Marko Loncar为论文共同通讯作者。主要合作者还包括龚旗煌、物理学院2022级本科生薛砚云等。

本项研究工作得到了国家自然科学基金以及北京大学物理学院、北京大学人工微结构和介观物理全国重点实验室、北京大学纳光电子前沿科学中心等单位的支持。

2.西安交大管理学院王尧教授与王开东副教授团队 在图结构数据补全研究方向取得新进展；

在大数据与人工智能深度融合的当下，矩阵补全（Matrix Completion）作为机器学习与数据挖掘领域的核心技术，广泛应用于推荐系统、计算机视觉、社交网络分析等场景。传统矩阵补全方法多依赖矩阵自身低秩特性，对数据背后潜在图结构信息的利用存在诸多局限。近日，西安交通大学管理学院智能决策与机器学习研究中心王尧教授与王开东副教授团队在图结构数据补全研究方向取得新进展，提出一种名为“Graph-regularized Scaled Gradient Descent”的非凸优化算法，为解决复杂数据关联下的矩阵补全难题提供了新方案。

随着互联网平台与智能信息系统的快速发展，其产生与积累的大规模数据日益呈现出稀疏且结构缺失的复杂特征。如在电影推荐系统中，用户通常只对少数电影进行评分，平台需要根据有限的评分信息预测用户对其他电影的偏好；在社交网络中，用户之间只建立了部分可观测的关系，系统需要进一步预测潜在的用户连接关系。这类问题通常可以抽象为矩阵补全问题，即在仅观察到部分矩阵数据的情况下恢复完整的数据结构。

电影推荐系统中的图结构示意

而在实际场景中，数据之间往往存在天然的结构关联，如兴趣相似的用户通常表现出相近的评分行为，社交网络中的用户之间也通过关系连接形成复杂的网络结构。这些关联关系通常可以表示为图结构信息。然而，现有多数方法主要依赖图拉普拉斯正则化来利用图结构信息，该方法通常只刻画相邻节点之间的局部相似性，难以捕捉更复杂的长程关联关系。同时，现实网络中往往包含噪声连接或错误边，传统方法对此较为敏感，容易影响恢复效果。此外，相关算法在理论层面普遍缺乏系统的统计与计算复杂度分析，使得算法在何种条件下能够稳定、高效地恢复数据仍缺乏明确的理论保证。

针对上述难题，西安交通大学管理学院智能决策与机器学习研究中心王尧教授与王开东副教授联合博士研究生杨一扬，以及高山行教授、廖貅武教授共同开展相关研究。该研究团队提出了一种名为GSGD（Graph-regularized Scaled Gradient Descent”的非凸优化算法。该方法基于预条件投影梯度下降框架，通过在优化过程中引入图结构信息，实现对缺失数据的高效恢复，并在理论上给出了线性收敛速率和近乎最优样本复杂度的严格保证。

与传统依赖图拉普拉斯正则化的方法不同，该研究通过构建基于图拉普拉斯矩阵逆的高阶图矩阵刻画节点之间的关联关系，从而能够同时利用直接连接信息和图结构中的长程关联，提高对图结构信息的利用效率。在此基础上，研究团队提出了基于预条件投影梯度下降的 GSGD 算法，实现了对图结构信息的高效融合，并在理论上首次从非凸优化视角为图正则化矩阵补全方法建立了统计与计算复杂度的双重保证。一系列合成数据与真实数据实验进一步表明，GSGD 在恢复精度、计算效率以及对噪声边的鲁棒性方面均优于现有主流方法，在推荐系统与社交网络等场景中展现出显著优势与广阔应用前景。

GSGD算法与对比算法在不同采样率的恢复精度对比

该研究成果以“耦合图结构信息的矩阵补全：一种具有理论保证的非凸优化方法”（Matrix Completion with Graph Information: A Provable Nonconvex Optimization Approach）为题，在运筹学与管理科学顶级期刊 INFORMS Journal on Computing 在线发表，为大数据时代的数据处理与分析提供有效工具，有助于推动人工智能技术的实际应用落地。王尧教授为论文第一作者，王开东副教授为通讯作者，西安交通大学管理学院为论文第一完成单位与通讯单位。

3.半导体所垂直自旋器件的全电写入和硅基集成研究取得新进展；

近日，中国科学院半导体研究所朱礼军研究员团队研究提出通过合金化大幅提高垂直自旋产生效率的新方法，分别采用轻金属Cu重掺杂自旋霍尔金属Pt形成合金Pt0.5Cu0.5，实现了垂直自旋扭矩5倍以上的增强效应，并实现了基于4吋热氧化硅晶圆、高垂直各向异性FeCoB器件阵列在超低电流密度下（1.8×107 A/cm2）100%翻转比例的全电写入，电流密度为迄今公开报道的所有兼容CMOS集成的全电写入方案中的最低值。

该成果发表于《先进功能材料》（Advanced Functional Materials 2026, 36:e74926，论文链接：https://doi.org/10.1002/adfm.74926)，朱礼军研究员为通讯作者，半导体所直博生宋子研为第一作者，合作者陕西师范大学物理学院朱陆军副教授帮助完成了样品微结构的扫描透射电镜表征。相关工作得到了科技部、基金委和北京市的资助。

此前，该团队提出了利用电场对称性破缺在自旋轨道矩器件中诱导垂直自旋的新机制，以及实现晶圆级全电写入的普适技术方案（Applied Physics Reviews 2022,9:041401, https://doi.org/10.1063/5.0116765；Advanced Materials 2024,35:2406552, https://doi.org/10.1002/adma.202406552)。

该方案无需组分/厚度梯度或单晶结构，且兼容400℃以上热稳定性，被美国电气和电子工程师学会（IEEE）磁学协会韩国分会主席Byong-Guk Park教授评价为“兼容高密度集成和晶圆级制造的全电写入方案”（npj Spintronics 2025, 3:8）。

图1.（a）垂直各向异性FeCoB器件结构；（b）零磁场下实现“0”和“1”状态的100%全电翻转；（c）晶圆级均一自旋轨道矩器件阵列及其功耗和翻转比例。