搜索
金秋九月启新程，
实干笃行结硕果。
我院科研团队立足智能科技与先进制造前沿，
坚持基础研究与关键技术攻关协同推进，
厚植创新沃土，
成果接续涌现。
1、智能机器人研究院张立华教授团队IEEE TCSVT：面向长文档理解的多模态证据框架
近日，我院认知与智能技术实验室（简称CIT Lab）张立华教授团队在长文档理解与多模态上下文构建研究方面取得新进展。相关成果以“Evidence-Dense Multimodal Context Construction for Vision-Language Models in Long-Document Understanding”为题，被视频与多媒体处理领域国际权威期刊 IEEE Transactions on Circuits and Systems for Video Technology（IEEE TCSVT）录用。
从长文档中准确定位并整合关键证据，是视觉语言模型处理复杂图文信息的核心挑战。针对证据跨页分散、图文信息异构及冗余输入干扰推理等问题，团队提出无需额外训练的多智能体框架SLEUTH，以由粗到细的方式构建证据密集的多模态上下文。框架首先通过视觉检索定位候选页面，再由线索发现智能体逐页提取结构化证据，页面筛选智能体保留包含相关表格、图表等视觉信息的页面。两类智能体协同压缩冗余信息，保留可追溯的关键线索与原始视觉结构。
在此基础上，难度评估智能体结合问题与证据判断推理需求，引导核心决策智能体选择常规或增强推理模式，完成跨页信息整合、数值计算等任务，并输出答案及对应证据来源。该框架不依赖特定模型架构，可即插即用地增强不同视觉语言模型，将长文档处理的重点从扩大输入规模转向提高有效证据密度。
系统实验表明，SLEUTH在MMLongBench-Doc、LongDocURL、PaperTab和FetaTab四个基准上均取得优于所比较基线的表现。以Qwen3-VL-8B为主干时，前两个基准的准确率分别达到52.77%和59.96%，较基础检索问答方法提升6.01和4.78个百分点。跨模型与消融实验进一步验证了线索提取、页面筛选及自适应推理的协同作用，为复杂图文文档的可靠理解提供了新的技术路径。
论文第一作者为杨鼎康助理教授(A)，张立华教授为论文通讯作者。
论文链接：https://ieeexplore.ieee.org/document/11711199
2、计算力学与人工智能交叉研究院Advanced Functional Materials：连续弹性板中无序诱导拓扑相变与波导-谐振腔耦合机制
近日，我院Timon Rabczuk、金亚斌团队联合国内外合作者，在无序弹性超材料与拓扑波动调控领域取得重要进展，相关成果以“Disorder-Assisted Topological States and Critical Couplings in Continuous Elastic Metaplates”为题，发表于国际权威期刊《Advanced Functional Materials》。该研究通过随机旋转连续弹性板中的椭圆孔，实现无序辅助的拓扑相变、鲁棒界面传输及波导与谐振腔的临界耦合，为信号滤波、传感和集成声子器件设计提供新思路。
弹性波广泛应用于无损检测、能量收集、传感和信息处理领域，其稳定传输与高效能量调控是发展新型声子器件的重要基础。结构无序通常引起散射、降低传输性能，但设计得当的无序可驱动拓扑相变，形成拓扑安德森绝缘体，为波动调控提供新自由度。现有研究集中于离散晶格、耦合谐振器阵列等体系，在更贴近实际器件的连续弹性介质中，如何利用无序诱导拓扑态并保持稳健传输仍存挑战；同时无序系统的相变阈值难以定量预测，其在波导和谐振腔能量耦合中的作用也有待探索。
针对上述问题，研究团队提出椭圆孔穿孔弹性板结构，通过随机改变单元椭圆孔旋转角度引入无序，调节单元间弹性耦合。研究发现，随无序强度增大，原本拓扑平庸的带隙先收窄、闭合，后重新打开为非平庸带隙，伴随能带反转与拓扑相变，形成拓扑安德森绝缘体，证明无序可作为主动调控弹性波传播的设计参数。团队建立超周期等效模型，选取代表性旋转角度构建超胞，预测无序结构的带隙演化与拓扑相变阈值；实验制备不同无序强度的穿孔铝板样品，利用压电激励与激光测振技术测量，验证了无序辅助的带隙变化与拓扑界面态，确认弹性波主要沿界面局域传播，反向传播分量被显著抑制。
在此基础上，团队构建拓扑安德森绝缘体波导-谐振腔系统，实验观测到约233 kHz和238 kHz处的临界耦合。对应频率下波导大部分能量耦合进入谐振腔，输出端透射显著降低，弹性波沿腔体边界传播形成回音壁模式。数值模拟与实验结果印证，展示了无序诱导拓扑态用于频率选择和能量转移的潜力。
本研究在连续弹性固体中实现了无序辅助拓扑态与波导-谐振腔临界耦合，建立了预测带隙演化和拓扑相变的超周期等效模型，为利用结构无序调控弹性波提供了理论与实验基础。该成果为稳健波导、信号滤波及传感器件设计提供了新途径，未来有望结合微纳加工技术向更小尺度和更高频率拓展，推动片上集成声子回路与多功能波动器件发展。
论文作者：Timon Rabczuk、金亚斌团队
3、田朋飞教授团队Nano Energy：硅基五色Micro-LED/量子点异质集成微型WDM发射芯片
近日，我院田朋飞教授团队联合北京大学沈波教授等研究人员，在短距光互连发射端领域取得重要进展，相关成果以“Miniaturized heterogeneous integration of five-color micro-LED/quantum dot hybrid devices via transfer printing and self-curing for high-capacity short-distance WDM optical communication”为题发表于《Nano Energy》。研究将紫、蓝、绿三种InGaN Micro-LED与黄、红两种Micro-LED/量子点混合像素集成在同一硅基底上，在320 × 290 μm²的区域内形成五个可独立驱动的波长通道。
图1：五色Micro-LED/量子点发射芯片的外延结构、转移印刷与硅基异质集成
人工智能集群持续扩展，GPU、内存与交换芯片间的数据移动消耗日益增多的带宽和能量，电互连在传输距离、带宽密度和散热方面逐渐逼近瓶颈，短距光互连因此加速向芯片附近延伸。进入芯片间和板级链路要求光发射端速率快、体积小，且可在有限面积内承载更多并行通道。传统可见光波分复用依赖分离多色LED、二向色镜与长自由空间合束光路，多芯片封装方案发射阵列通常仍为毫米尺度，两种方案均可提高总速率，但都不利于多波长发射端进一步靠近计算芯片。
本研究把五种颜色压缩到横向尺寸约0.3 mm的硅基芯片上。倒装转移印刷用于将不同Micro-LED像素迁移到同一基底，金属焊接同时承担电连接和导热；黄光、红光像素则由紫光Micro-LED泵浦量子点光刻胶形成，不需要逐层进行高精度外部对准。芯片上20 μm高的硅隔离墙进一步限制横向发散光，减少紫光像素对相邻量子点像素的非目标激发。五种颜色对应五条并行数据通道，通过波分复用（WDM），不同波长可以在同一传输空间内同时承载独立信号；该芯片在五通道同时工作的条件下实现18.66 Gbps聚合数据率，按发射芯片占地面积计算的空间数据率密度约为201 Gbps/mm²。
图2：五色像素的光谱稳定性及滤光后的波长分离结果
面向波分复用光互连，发射光谱是否稳定与调制速度同样重要。长波长InGaN器件在高电流下容易出现波长蓝移和谱线展宽，可能增加相邻通道的光谱重叠和解复用损耗；研究采用量子点色转换获得黄光和红光像素，其峰值波长变化不超过2.2 nm，半峰全宽不超过27.5 nm，有助于保持通道间的光谱间隔。在接收端加入对应滤光片后，五种波长可以有效分离，五通道全部开启并加载独立OFDM信号时，各通道相对于滤光后的单通道状态仅出现0.43—1.57 dB的平均信噪比下降。实验采用0.2 m自由空间短距链路，紫、蓝、绿通道使用自适应比特加载和零迫预均衡，分别达到7.5622、6.0860和4.4229 Gbps；受量子点荧光寿命限制，黄、红通道速率分别为0.284和0.307 Gbps，五个通道的加权聚合误码率约为3.5 × 10⁻³，低于所采用的前向纠错阈值。
本研究重点并非以单一颜色刷新最高速率，而是在小于0.1 mm²的发射芯片上完成五个波长通道的异质集成，验证其并行传输能力。论文比较显示，在所纳入的LED类波分复用方案中，该发射芯片以18.66 Gbps聚合速率实现约201 Gbps/mm²的发射端空间数据率密度。相较离散光源和毫米级多芯片阵列，该微型化路径减少了发射端占地和自由空间合束需求，为后续与CMOS驱动、光学耦合结构和接收阵列共同封装预留接口，可应用于芯片间和板级光互连、AI加速器内部短距光链路、光芯粒以及共封装光学系统中的多波长发射前端。
图3：近年来LED类WDM发射端总速率及空间数据率密度比较
我院田朋飞教授团队联合北京大学沈波教授等研究人员完成。
论文作者：Runze Lin, Handan Xu, Yucheng Yang, Shengyuan Dong, Daqi Shen, Yu Zhang, Cheng Gao, Zehui Liang, Junze Tong, Ruiqian Guo, Erdan Gu, Zhizhong Chen, Bo Shen and Pengfei Tian
论文链接：https://doi.org/10.1016/j.nanoen.2026.112321
4、智能机器人研究院张立华教授团队IEEE JSTSP：面向物理智能的全模态模型
近日，我院认知与智能技术实验室（简称CIT Lab）张立华教授团队在全模态物理理解与生成研究方面取得新进展。相关成果以“OmniFysics: Towards Physical Intelligence Evolution via Omni-Modal Signal Processing and Network Optimization”为题，被信号处理领域国际权威期刊 IEEE Journal of Selected Topics in Signal Processing（IEEE JSTSP）录用。
理解材质、形变与碰撞背后的物理规律，是人工智能走向真实世界的关键挑战。针对现有多模态模型物理知识表征不足、因果推理薄弱的瓶颈，团队提出由FysicsAny与FysicsOmniCap协同驱动的双中枢物理数据引擎，将显式物理知识融入大规模多模态学习。FysicsAny通过分层知识检索与物理定律约束，将视觉对象关联至密度、弹性等物理属性，构建经过一致性校验的训练数据；FysicsOmniCap则联合分析声音与视觉变化，提炼物体交互中的动态因果线索。两类引擎贯通静态属性与动态过程，为模型建立更深入的物理世界认知提供关键支撑。
依托这一数据引擎，OmniFysics在紧凑架构中融合全模态理解、语音生成与物理感知图像生成能力，实现图像、音频、视频和文本的统一建模。渐进式训练将通用语义能力与物理知识深度融合，自适应意图路由按需调度理解和生成模块，兼顾交互效率与任务表现。模型还能够将密度、弹性等物理属性描述转译为材质纹理、形变特征及合理的场景关系，拓展了全模态模型面向物理世界的理解与生成能力。
系统实验表明，OmniFysics在多项物理理解、全模态与视频理解及语音生成评测中，取得同等主干参数规模模型中的SOTA表现，同时保持领先的综合视觉理解与有竞争力的音频理解能力。在部分物理感知与推理指标上，模型进一步超越更大规模的开源模型及所比较的闭源系统，展现出紧凑架构的越级能力。该成果验证了显式物理知识与全模态学习融合的技术潜力，为面向真实世界的物理AI与具身智能提供了新的模型和数据基础。
论文第一作者为2022级直博生韩铭浩、杨鼎康助理教授（A）和蒋越；翟鹏青年研究员、张立华教授为论文通讯作者。
论文链接：https://arxiv.org/abs/2602.07064
5、可信具身智能研究院NeurIPS 2026：ShadowFPT: Backdooring Federated Prompt Tuning via Shadow Triggers
近日，我院可信具身智能研究院在联邦大模型安全领域取得重要进展，相关成果以“ShadowFPT: Backdooring Federated Prompt Tuning via Shadow Triggers”为题被人工智能领域权威会议The 40th Annual Conference on Neural Information Processing Systems（NeurIPS 2026）接收。
联邦提示调优通过冻结预训练模型主干、仅优化轻量级提示词参数，降低了大模型分布式适配的计算与通信开销，但存在安全隐患：服务器仅能观察客户端上传的提示词更新，决定模型表示能力的共享冻结骨干网络可能成为难以察觉的后门攻击面。针对该挑战，本研究首次系统揭示联邦提示调优中的冻结骨干网络安全风险，提出隐蔽后门攻击方法ShadowFPT。
团队设计了可学习的影子后门，通过目标文本对齐与层级视觉特征对齐，引导触发样本在冻结CLIP表示空间中逐步向目标类别迁移；在联邦训练中根据当前全局提示词动态适配触发器，联合正常样本与触发样本优化本地提示词，使攻击效应隐藏于触发器与冻结表示空间的交互过程中，上传至服务器的恶意提示词仍与正常客户端高度相似。
实验结果表明，ShadowFPT在Caltech101、Oxford Flowers和UCF101等多个数据集，以及文本、视觉和视觉—语言联合Prompt Tuning设置下，均表现出稳定攻击能力。其中ShadowFPT-II在九组主要实验中平均攻击成功率达97.67%，显著高于最强已有基线的34.56%；在Krum、FLTrust、FLAME、CRFL等多种鲁棒聚合与后门防御机制下，攻击成功率仍保持在96.63%–98.30%，仅造成有限的正常任务性能损失。本研究揭示了联邦提示调优中由共享冻结骨干网络引出的新型表示空间攻击面，为参数高效微调范式下的安全评估与防护提供了新思路。
论文第一作者为2022级博士生翟坤，通讯作者为我院马兴军教授。
论文作者：翟坤, 黎腾, 冯云浩, 马兴军
6、智能机器人研究院NeurIPS 2026：FreshMem：受人脑记忆机制启发的流式视频理解混合记忆方法
近日，我院范佳媛老师团队在流式视频理解领域取得重要研究进展，成果题为“FreshMem: Brain-Inspired Frequency-Space Hybrid Memory for Streaming Video Understanding”，被人工智能领域国际权威会议NeurIPS 2026接收。该研究围绕流式视频理解中长期历史信息累积、有限上下文难以兼顾近期视觉细节与长期语义连贯性的关键挑战，提出受人脑记忆机制启发的频率—空间混合记忆框架FreshMem：针对现有方法压缩长期历史信息时细节易丢失、事件结构建模不足的问题，提出多尺度频率记忆（MFM），利用频率域保留长期历史语义概要，结合显著残差机制保存关键视觉细节；进一步提出空间缩略图记忆（STM），通过在线事件划分、自适应压缩和记忆整合，将连续视频组织为高信息密度的事件记忆，实现长期历史信息的高效建模。
实验结果表明，FreshMem 在 StreamingBench、OV-Bench、OVO-Bench 等多个流式视频理解基准上均取得显著性能提升。基于 Qwen2-VL-7B，无需额外训练即可分别获得 5.20%、4.52% 和 2.34% 的准确率提升；进一步采用低成本组件微调后，在 StreamingBench 上达到 82.31% 的性能，较基线提升 13.31%，超过现有全监督方法。同时，FreshMem 在 InternVL3.5、DeepSeek-VL2 等不同多模态模型上均展现出良好的泛化能力，为面向长时序视频理解、多模态智能体和持续感知系统的高效参数化记忆设计提供了新的思路。
论文第一作者为2024级硕士生李康聪，通讯作者为我院范佳媛副教授。研究得到国家自然科学基金项目资助。
论文链接：https://arxiv.org/pdf/2602.01683
7、智能机器人研究院NeurIPS 2026：ConfDet：面向多模态大模型目标检测的可靠置信度学习框架
除FreshMem外，团队另一项研究聚焦多模态大模型（MLLM）目标检测的可信置信度估计，相关成果题为“ConfDet: Learning Reliable Confidence for MLLM-based Detection”，被人工智能领域国际权威会议NeurIPS 2026接收。现有MLLM目标检测方法多通过提示式自评、生成概率或外部代理分数间接获得置信度，与实际检测质量缺乏显式对应。针对该问题，团队提出ConfDet，将置信度转化为可学习、可优化、可校准的显式建模目标：首先使用专用离散置信度token和教师模型伪标签做监督微调（SFT），使模型稳定生成可解析置信度；随后通过GRPO联合检测奖励与TP–FP分离奖励，在保持检测质量的同时优化置信度排序；最后依据目标框尺寸、场景密度与类别语义歧义做条件感知后处理校准，让预测置信度与经验正确率更一致。
实验结果表明，ConfDet 在 Objects365、BDD100K、VisDrone 三个分布内基准和 COCO、LVIS、KITTI、UAVDT 四个分布外基准上均提升检测 AP；概率校准仅在后四个分布外数据集评估。四个分布外基准上，ConfDet 较 Rex-Omni 平均提升 5.1 个 mAP 点，平均 ECE 降至 3.2；其中 COCO mAP 由 39.0 提升至 43.5，UAVDT 由 24.4 提升至 31.5。消融实验显示，专用置信度 token 的 SFT 建立稳定、可解析的置信度生成能力，检测奖励与分离奖励的联合 GRPO 提升 TP–FP 排序能力；条件感知校准不改变 mAP，并将 COCO ECE 从 6.23 降至 2.00。该工作为 MLLM 目标检测中的结果排序、阈值选择、风险管理与可靠部署提供了更可靠的置信度基础。
论文第一作者为2026级博士生毛宣杰，通讯作者为我院范佳媛副教授和未来信息学院陈涛教授。研究得到国家自然科学基金项目资助。
论文链接：https://openreview.net/forum?id=biptQ5O8Vh
8、可信具身智能研究院CoRL 2026：ThinkingVLA：统一交错式多模态推理的机器人操作基础模型
近日，我院可信具身智能研究院在具身智能与机器人操作领域取得重要进展，相关成果以“ThinkingVLA: Interleaved Vision and Language Reasoning for Robotic Manipulation”为题被机器人学习领域权威会议 Conference on Robot Learning（CoRL 2026）接收。
视觉-语言-动作（VLA）模型是通用机器人操作的核心范式，但现有方法大多直接由观测映射到动作，缺乏显式推理，难以胜任需要多步规划的长程任务。已有的思维链方法要么只在单一模态上推理，文本缺乏空间精度、视觉缺乏结构化分解；要么将文本与图像割裂为独立阶段，缺少从预测状态到具体动作的显式推理环节。针对这一挑战，本研究从操作规划的本质结构出发，提出将其分解为“预测”与“逆动力学”两个子问题，并在统一的自回归架构中以交错式多模态思维链将二者打通：前向思维链识别当前子目标并引导未来图像生成，预测图像作为目标状态锚定逆向思维链对空间关系与动作意图的推理，最终动作在完整推理上下文的条件下生成。模型基于 Mixture-of-Transformers 架构实现，文本与图像共享同一词表和因果序列，使跨模态推理相互条件化。同时，本研究设计了“生成式推理预训练—端到端策略学习—目标本体适配”的三阶段渐进训练流程，推理监督全部由视觉语言模型自动生成，构建起可跨本体迁移的操作推理基础模型。
实验结果表明，ThinkingVLA 在 RoboTwin 2.0 的 20 个双臂任务上取得 77.9% 的平均成功率，超越 π₀、XVLA、BagelVLA 等代表性方法，且优势随任务步长增长而扩大，在两步任务上较最强基线提升 15.2 个百分点；在真实 ALOHA 双臂平台的五项任务中四项取得最优，两个长程任务均领先 π₀.₅ 10 个百分点。
论文第一作者为2025级博士生陆天一，通讯作者为我院吴祖煊教授。研究得到国家自然科学基金和上海市科委项目以及新基石科学基金会“科学探索奖”资助。
论文作者：陆天一, 张辉, 刁子捷, 王君可, 许晟旗, 林星耀, 钟国金, 叶子逸, 王芃, 吴祖煊, 姜育刚
论文链接：https://fitz135.github.io/thinkingvla.github.io/
9、可信具身智能研究院CoRL 2026：ActiveMimic：融合主动感知的第一视角视频预训练
近日，我院可信具身智能研究院在模仿学习领域取得重要进展，相关成果以 “ActiveMimic: Egocentric Video Pretraining with Active Perception” 为题发表于机器人学习/具身智能领域权威会议《The Conference of Robot Learning》（CoRL 2026）。
模仿学习旨在让机器人从示范中习得操作能力，丰富的人类第一视角视频为机器人预训练提供了可扩展数据来源。但现有方法通常将视频中的相机运动视为干扰，忽略人类操作中主动调整视角获取关键信息的行为，导致人类视频预训练效果长期落后于机器人数据预训练。针对该挑战，本研究提出ActiveMimic框架，从单个头戴式RGB相机拍摄的自然场景视频中恢复同步的相机与手腕运动轨迹，将相机运动建模为“视角动作”，使模型在预训练中共同学习主动感知与物体操作，并将能力迁移至真实机器人。
在不同主动感知需求的真实机器人任务中，ActiveMimic表现优于其他基于人类视频预训练的方法，达到先进机器人数据预训练模型的相当水平。分析表明，其主动感知能力主要来源于人类第一视角视频预训练，揭示了视角变化对机器人从人类视频中有效学习的重要作用。
论文第一作者为2025级博士生林星耀，通讯作者为我院吴祖煊教授、姜育刚教授和祝毅晨。研究得到国家自然科学基金和上海市科委项目以及新基石科学基金会“科学探索奖”资助。
论文作者：林星耀, 钟国金, 陆天一, 叶子逸，祝毅晨，吴祖煊, 姜育刚
论文链接：https://activemimic.github.io/
10、超越照明研究所上海碳化硅功率器件工程技术研究中心ICEP-HBS 2026：Microstructure Modeling, Prediction, and Verification of Cu-Ag Sintered Paste for Die-attach Based on the Quartet Structure Generation Set (QSGS) Algorithm
题为“Microstructure Modeling, Prediction, and Verification of Cu-Ag Sintered Paste for Die-attach Based on the Quartet Structure Generation Set (QSGS) Algorithm”的论文在ICEP-HBS 2026国际会议上获得最佳海报奖（JIEP Poster Award）。获奖论文将于2027年5月12日在日本札幌举行的ICEP 2027会议期间举行颁奖仪式。
随着SiC、GaN等宽禁带功率半导体向高电压、高功率密度和高可靠性方向发展，芯片烧结贴装材料需要同时具备优异的导热、导电及可靠性性能。Cu-Ag复合烧结浆料兼具铜和银的材料优势，是新型功率器件互连的关键材料。然而，其热、电输运性能高度依赖孔隙率、Cu/Ag相连通性以及界面形貌等三维微观结构，仅依靠传统二维SEM表征难以充分揭示其内部输运机制，而高分辨率三维X射线CT又存在成本和效率方面的限制。
针对这一问题，论文建立了“二维SEM表征—三维微结构重构—多物理场仿真—实验验证”的一体化研究方法。研究采用自学习优化QSGS算法，从二维SEM图像提取Cu、Ag及孔隙等关键统计特征，并迭代优化三维代表性体元（REV），实现烧结材料三维微结构的统计重构；进一步结合有限元方法，对重构结构开展热传导和电传导计算。同时，论文引入Hashin-Shtrikman（HS）理论基准与界面结构修正模型，将Cu-Ag界面及孔隙-金属界面面积密度等微观结构参数与宏观导热、导电性能建立联系，从而形成面向复合烧结材料性能快速预测的结构—性能关联模型。
论文第一作者为智能机器人与先进制造学院博士生王新月同学（已毕业），通讯作者为刘盼副教授。智能机器人与先进制造学院边乐陶、刘文婷（已毕业）、杨舟栋（已毕业）等同学共同参与了论文工作。此外，荷兰代尔夫特理工大学、马来西亚国立大学、上海贺利氏工业材料有限公司的相关研究人员也共同参与了论文工作，体现了产学研和国际合作特色。
论文链接：https://ieeexplore.ieee.org/document/11550626
11、超越照明研究所上海碳化硅功率器件工程技术研究中心ICCPA 2026：海洋服役环境下功率电子封装烧结互连材料腐蚀机理与防护策略研究
近日，2026年国际腐蚀与防护相关学术会议（ICCPA 2026）在成都举行。复旦大学智能机器人与先进制造学院刘盼副教授受邀参会，并作题为“海洋服役环境下功率电子封装烧结互连材料腐蚀机理与防护策略”的学术报告，获得大会最佳口头报告奖（Best Oral Speaker）。
随着海洋能装备向高功率、高可靠和长期服役方向发展，功率电子模块需要面对高湿、盐雾及H₂S等复杂海洋环境。作为碳化硅宽禁带功率器件的重要芯片贴装材料，烧结银、烧结铜等烧结互连材料具有优异的导热、导电性能，但在长期腐蚀环境下可能发生界面腐蚀、微结构演化及性能退化，进而影响功率模块的服役可靠性。因此，揭示复杂海洋环境下烧结互连材料的腐蚀机制，并建立有效的材料与封装防护策略，是高性能功率电子封装领域亟待解决的重要问题。
本次报告围绕海洋服役环境下烧结互连材料的腐蚀行为与可靠性问题展开。研究综合采用微观组织表征、电化学分析、分子动力学模拟及可靠性评价等方法，从微观界面反应到宏观性能退化开展系统研究，重点阐明H₂S诱导的烧结互连材料界面腐蚀机制，分析腐蚀过程对材料微观组织以及力学、导热和导电性能的影响规律。在此基础上，报告进一步提出面向长期海洋服役环境的材料优化、界面调控与封装防护策略，为海洋能装备功率电子模块的高可靠封装设计提供理论依据和技术支撑。
ICCPA 2026评出十个优秀口头报告奖，该奖项认可了智能机器人与先进制造学院在功率半导体先进封装材料、极端环境可靠性及腐蚀防护方向的研究工作，体现了功率电子封装与腐蚀科学交叉研究的学术价值。近年来，刘盼团队持续围绕SiC功率器件先进封装开展研究，在烧结银、烧结铜等新型互连材料的微观组织演化、腐蚀行为、多物理场耦合及可靠性评价方面完成系列研究，致力于建立材料—界面—封装结构—器件可靠性的跨尺度研究体系。未来，团队将面向新能源汽车、海洋能装备及高端电力电子等应用场景，研究宽禁带功率器件封装材料在高温、高湿、盐雾、H₂S及电—热—力多场耦合环境下的失效机制与防护方法，推动先进封装材料与功率电子可靠性研究向极端服役环境拓展。
