在交叉前沿，书写青春科研答卷

——记第二期四位“溥渊未来学者”的创新风采

从百万级单细胞数据的高维建模，到原子尺度上的钠硫电池；从用人工智能“编写”生命分子，到狭窄车位里的自动泊车——在“溥渊未来学者计划”的支持下，一批本科生正以扎实的科研实践，在人工智能与多学科交叉的前沿领域探索真实世界中的真实问题。本期，让我们走近第二期四位“溥渊未来学者”，听他们讲述各自的科研故事。

一、在 AI 与生命科学交叉中开展数据探索

毛崇晓，上海交通大学溥渊未来技术学院健康方向 2023 级本科生，第二期“溥渊未来学者计划”成员，在辛弘毅老师的指导下开展单细胞与转录组数据分析研究，聚焦人工智能与生命科学交叉方向中的高维数据建模问题。目前，相关研究成果论文正在投稿 Nature Communications。同时，其以第一作者完成的研究成果已被国际机器学习顶级会议 International Conference on Machine Learning（ICML）接收，并以第二作者参与完成的两项研究成果被 ACM Conference on Bioinformatics, Computational Biology, and Health Informatics 接收。此外，他在本科阶段获得校级二等奖学金、校级三等奖学金及致远未来学者奖学金，并入选国家留学基金委“卓越人才国际化培养项目”资助出国留学资格；参与全国高校创新转化大赛“心脉新生”项目，团队获得上海赛区金奖及全国总决赛金奖。

· 项目介绍

面向超大规模单细胞数据的样本归属推断方法 HT-Demux

在单细胞测序中，研究人员可以一次获得上百万个细胞的表达数据，但一个核心问题是如何判断每个细胞来自哪个样本。现有方法依赖分子标签进行样本拆分，但在样本数量增加时会出现信号稀释与高维建模失效，导致误判和大量未识别细胞，同时也增加了计算与实验分析成本。为解决这一问题，毛崇晓提出了 HT-Demux 方法，在整体高维空间中联合建模所有样本的标签信息，实现统一的样本归属推断。该方法将每个样本表示为双状态分布，并通过全局参数共享，将原本指数级增长的组合复杂度压缩为线性规模，从而在提升可扩展性的同时降低计算开销。

HT-Demux 基于完整概率模型进行细胞归属判断，避免了传统方法在高维条件下出现的距离失真与概率不稳定问题。在模拟与真实数据实验中，该方法在样本规模扩展至上百个、细胞规模达百万级时仍保持稳定性能，并显著降低了误分类与未识别比例，为超大规模单细胞数据分析提供了一种高效、可扩展且更具计算经济性的解决方案。

· 科研探索
对于毛崇晓而言，科研并不是一个遥不可及的领域，而是一条可以在本科阶段逐渐进入、不断深入的探索之路。刚进入课题组时，他更多是在已有流程上完成数据分析；但随着研究推进，他开始真正思考方法背后的假设、局限与可改进之处。在未来学者计划的支持下，辛弘毅老师对他保持长期、高频的一对一指导——从问题提出，到模型设计、实验验证与结果解释，每一步都伴随着深入讨论与持续打磨。许多关键突破并非来自瞬间灵感，而是在长期思考与不断修正中逐渐形成。这种扎实而持续的科研训练，让他从“使用工具的人”成长为“提出问题的人”。与此同时，他与实验室另外三位溥渊未来学者密切协作，在方法设计、代码实现、实验分析与论文写作中始终保持高频交流。许多研究思路诞生于一次深夜讨论或一次细致的代码审阅——在这样的氛围中，科研不再是孤立的个人探索，而成为持续协作、共同推进的过程。

· 未来展望
未来，毛崇晓希望继续关注算法在真实数据和医学场景中的应用价值，将计算方法与疾病机制解析、细胞图谱构建和精准医学需求相结合。依托学院国际化平台和即将开展的海外交流经历，期待在更广泛的学术合作中拓展视野、吸收前沿思想，逐步成长为一名既理解生物医学问题、又能够运用计算方法提出创新解决方案的交叉型科研人才。

二、在原子尺度上破解钠硫电池的商业化困局

郭嘉兴，上海交通大学化学化工学院化学（强基计划）专业 2022 级本科生，第二期“溥渊未来学者计划”成员。在张二欢副研究员的指导下，他围绕钠硫电池双原子催化正极方向开展了近两年的科研实践，重点探索下一代高能量密度储能体系中的关键材料与催化机理问题。
本科期间，他持续深耕新能源电化学与材料交叉方向的研究。目前，已有两篇 SCI 论文分别发表于 Advanced Functional Materials 与 Energy Material Advances，一篇独立一作论文投稿于材料学顶级期刊 Advanced Materials；相关研究成果还在中国化学会第二届全国能源化学学术会议上完成了学术展示。

· 项目介绍

钠硫电池双原子催化正极的定向设计与机理研究

室温钠硫电池被视为锂离子电池的理想替代方案，有望应用于动力电池与大规模电网储能：硫正极可在更少材料用量下提供更高电能，钠矿储量远高于锂矿，硫的成本也远低于三元钴镍锰材料。然而，经过近二十年的发展，室温钠硫电池始终未能实现商业化突破，核心挑战在于两个“卡脖子”问题：一是硫的高绝缘性导致多步反应速率极慢，理论最高容量无法完全释放；二是正极硫容易溶解于电解液中发生“穿梭效应”，使电池容量快速衰减，缩短使用寿命。
郭嘉兴的第二期未来学者项目正是从这一长期瓶颈出发，提出了“双原子催化正极”的解决方案。在导师引导下，他将前沿的原子级催化剂引入硫碳正极体系，精确设计并合成出既能加速多步电化学反应、又能原位捕获并固定硫物种的双原子催化正极，并探明其在充放电过程中的双向催化机理。项目综合运用材料合成、电化学测试与计算化学模拟，从原子尺度揭示了双原子位点的协同催化机制，为高能量密度、长循环寿命的室温钠硫电池提供了可行的材料设计思路。

· 科研探索

在交叉研究中理解“真实科研”

从项目立项到结题，郭嘉兴承担了催化剂设计与合成、电化学性能测试、机理分析、数据整理以及论文撰写等完整科研链条中的核心工作。对他而言，这段经历最大的收获，是逐渐认识到本科生也能成为科研的第一责任人。

刚进入课题组时，他更多是在导师指导下完成实验操作；但随着项目不断推进，他开始逐渐独立思考方法背后的科学逻辑、现有方案的局限以及可能的改进方向。张二欢老师始终给予他充分的信任与耐心的指导，在关键节点帮助他梳理研究思路，却并不直接替他作出决定。

与此同时，“溥渊未来学者计划”支持前沿交叉领域复合型科技创新人才培养的理念，也为他搭建了一个多学科交叉学习与科研实践的平台。钠硫电池研究本身横跨材料科学、电化学与计算化学等多个方向，为了理解双原子催化剂的作用机理，他不仅需要掌握实验与表征方法，也需要进一步学习电子结构与界面反应等交叉知识。这种跨学科研究经历，也让他逐渐学会从更系统的视角分析复杂问题。

除了实验研究，他还完整经历了从数据采集、图表绘制到论文投稿与学术展示的全过程，并在中国化学会学术会议上完成研究成果展示，进一步提升了学术表达与交流能力。

· 未来展望
未来，郭嘉兴将继续在溥渊未来技术学院攻读博士学位，希望继续深耕电化学与储能材料的前沿领域，特别是在原子级催化剂设计、金属硫基电池体系以及电化学反应机理等方向持续探索。他相信，科研的价值不止在于发表论文，更在于能否真正解决从实验室走向应用的核心难题，让更安全、更高效、更低成本的储能技术早日服务于能源转型与可持续发展。溥博渊泉，与日俱进，他将以创新与突破践行科研初心，稳步迈向新的研究征程。

三、用 AI 重新“编写”生命分子

黄䶮杰，上海交通大学溥渊未来技术学院生物医学工程方向 2023 级本科生，第二期“溥渊未来学者计划”成员，目前在郑双佳老师的指导下开展生物基座模型与药物分子设计方向的研究。
目前，他以第一作者身份完成论文《A Long-Context Generative Foundation Model Deciphers RNA Design Principles》并投稿 Nature Machine Intelligence，现已进入送审阶段。同时，他正在斯坦福大学 Yejin Choi 教授课题组开展科研实习，并入选上海交通大学第二期“伯乐计划”。

· 项目介绍

EVA：面向 RNA 设计的生成式基础模型

RNA 是生命系统中的关键分子，不仅负责遗传信息传递，还参与基因调控、蛋白质合成以及复杂的生化反应。近年来，RNA 药物与 mRNA 疫苗的发展，也让“RNA 设计”逐渐成为生命科学的重要前沿方向。但要真正设计出具备特定功能的 RNA 并不容易：由于 RNA 序列长度大、结构复杂，传统计算模型通常只能处理较短片段，也缺乏精准的“可控生成”能力。
针对这一问题，黄䶮杰参与开发了大型生成式 RNA 基础模型 EVA（Evolutionary Versatile Architect）。该模型基于超过 1.14 亿条全长 RNA 序列训练，参数规模达到 14 亿，上下文窗口长度达到 8192 个碱基，是此前同类模型的重要突破。EVA 不仅能够从头生成新的 RNA 序列，还可以根据指定的 RNA 类型与物种来源，对现有序列进行定向改造与功能优化。目前，相关模型已应用于 tRNA、RNA 适体以及 CRISPR 导向 RNA 等多个方向的研究，并取得了良好的实验结果。
未来，团队希望 EVA 能够成为 RNA 生物学与医学工程中的“通用设计平台”，为基因治疗与 RNA 药物研发提供新的计算工具。

· 科研探索

在不确定中寻找真正重要的问题

第一次进入实验室时，黄䶮杰并没有想象中那般从容。面对海量 RNA 数据与复杂的模型训练代码，他第一次真正意识到，科研远比课堂上的结论复杂得多。
“很多时候，你面对的不是标准答案，而是不知道问题究竟应该怎么问。”
在项目推进过程中，他与高中同学共同组建研究团队：从曾经一起讨论高考题，到如今一起调试 RNA 生成模型、讨论实验方案，这种长期并肩探索的经历，也成为他科研过程中最特别的一部分。
与此同时，与导师和团队的合作，也让他逐渐理解什么是真正的“科研品味”——不仅是把实验做出来，更重要的是提出真正有价值的问题，并对研究结果保持足够的诚实。在未来学者计划中，他也逐渐意识到，AI 正在改变科研的方式：未来很多重复性的科研工作都可能被 AI 替代，但人真正重要的能力，仍然是创造与提出问题。

· 未来展望

用 AI 探索更复杂的生命系统

在黄䶮杰看来，未来生命科学的发展，不应只停留在蛋白质或 RNA 等单一分子层面，而应进一步走向更加复杂的生物系统。
“未来的目标，也许不只是理解一个分子，而是理解一个细胞，甚至一个完整的生命系统。”
未来，他希望继续围绕虚拟细胞基座模型与 AI for Biology 方向深入探索，尝试利用人工智能技术简化药物研发流程、加速生命科学研究效率，为未来医学与生物工程的发展提供新的可能。

四、在狭窄车位里探索智能驾驶的真实边界

陈喆，上海交通大学浦江国际学院/密西根学院机械工程专业 2022 级本科生，第二期“溥渊未来学者计划”成员，导师为溥渊未来技术学院秦通副教授。围绕自动驾驶、自动泊车、强化学习与机器人感知—规划系统，他持续在机械工程、控制与计算机科学的交叉地带探索真实世界中的智能决策问题。依托未来学者项目“基于神经网络记忆的自动泊车”，他参与完成 RL-OGM-Parking 系统，成果论文《RL-OGM-Parking: Lidar OGM-Based Hybrid Reinforcement Learning Planner for Autonomous Parking》被 ICRA 2025 录用，并赴美国亚特兰大进行会议交流。此前，他还参与了 IROS 2024 自动泊车相关论文 ParkingE2E 等科研工作。曾获上海交通大学优秀团员、优秀学生干部、吴贤铭崔德娴奖学金、浦江国际学院发展奖学金等荣誉。

· 项目介绍
在很多人看来，泊车只是自动驾驶中最日常的一步；但在地下车库、狭窄车道和死胡同等场景中，车辆需要在极有限的空间内感知障碍物、规划轨迹并不断调整姿态，这恰恰暴露了自动驾驶算法从仿真走向真实时的核心难题：传统规则方法稳定，却不够灵活；学习方法适应性强，却容易在真实部署中失效。陈喆的第二期未来学者项目正是从这一矛盾出发，提出了 RL-OGM-Parking 混合规划框架。项目使用激光雷达构建实时占据栅格地图（OGM）作为统一环境表征，让仿真训练和实车推理面对同一种“地图语言”；在规划层面，将 Reeds-Shepp 规则轨迹规划器与 Soft Actor-Critic 强化学习规划器相结合：能用规则直接安全到达时优先采用规则，遇到极窄、复杂、规则方法无法求解的场景时则由强化学习接管探索。同时，动作掩码机制会约束危险动作，确保策略满足避障和车辆运动学要求。系统最终在真实车辆上形成感知—规划—控制闭环，并在长距离垂直泊车、长距离平行泊车和狭窄死胡同泊车等场景中验证了可行性与实时性。

· 科研探索
从项目立项到结题，陈喆承担了整体技术路线设计、混合规划器架构开发、感知模块搭建、仿真环境与数据采集、实车系统部署以及论文撰写与实验验证等工作。对他而言，这段经历最大的收获，是逐渐认识到“好算法”并不等于“好系统”。模型在仿真中可能接近理想表现，却可能因为点云噪声、定位漂移、算力限制和底盘响应延迟而在实车上失效。正是在一次次失败调试和反复验证中，他逐渐形成了“以应用牵引研究、以系统验证算法”的科研习惯：不盲目追求更复杂的模型，而是在真实约束下寻找稳定、安全、可落地的整体方案。ICRA 2025 的会议交流也让他进一步打开视野，在国际学术舞台上与不同方向的研究者讨论自动驾驶、机器人规划与强化学习的前沿问题。

· 未来展望
未来，陈喆将继续在溥渊未来技术学院攻读电子信息硕士学位，希望在自动驾驶与具身智能方向持续深耕，探索动态障碍物预测、交互式决策、低成本传感器感知与更强泛化能力的智能系统。他相信，未来科技的价值不止在于“更聪明”的算法，更在于能否进入真实场景、解决真实问题，让机器更安全、更可靠地服务人的生活。