TR35，5位复旦人入选！

（来源：上观新闻）

7月25日

2025年度《麻省理工科技评论》

“35岁以下科技创新35人”（TR35）

中国区入选者名单

在上海正式发布

张宏亮 丁文超

2位复旦大学青年研究员入选

另外，3位复旦校友也名列其中

他们分别是

王瀚锐 高正祺 严正

2025 年度“35 岁以下科技创新 35”人中国区入选者

复旦大学现代物理研究所（核科学与技术系）青年研究员、博士生导师

复旦大学现代物理研究所（核科学与技术系）校友

他将 AI for Science 引入核材料研发，为加强下一代先进核反应堆结构材料的安全边界、结构完整性及服役寿命预测提供了科学依据与技术支撑。

儿时频繁停电的经历，让张宏亮初次真切感受到能源的重要性。大学时代亲历福岛核事故的冲击，让他意识到核结构材料在极端环境下的失效是酿成灾难的关键，从而决心投入先进核材料的研究。

在海外工作期间，张宏亮主要研究核用陶瓷的制备与辐照效应。针对传统纳米层状陶瓷制备温度高、能耗大的问题，他发展了低温反应溅射工艺，将制备温度降至 450℃，显著提升了材料的辐照稳定性。此外，他还发明界面调控技术，捕捉并揭示了陶瓷中的辐照诱导偏析现象，通过这一机制提升了陶瓷材料的抗腐蚀性能。

他将数据驱动的 AI for Science 引入核材料研发流程，利用机器学习算法开展前沿核能材料的微观表征、性能预测以及成分设计，推动了核材料的数字化与智能化转型。他在微纳尺度材料研究中取得了突破性进展，系统性阐明了辐照对材料界面演化的影响机制，为调控材料的辐照稳定性提供了新路径。同时，他发现了微纳尺度下金属材料超越传统力学认知的超高延展性以及全新变形机制，颠覆了以往人们对于特定材料脆性表征的固有认识。他成功将微观机理转化为可量化的工程控制指标，透过对于界面结构的精确调控，大幅提升了多种材料在辐照下的抗肿胀与抗脆化能力。

复旦大学智能机器人与先进制造创新学院（智能机器人研究院）青年研究员、博士生导师

它石智航（TARS）联合创始人兼首席科学家

他推动数据驱动决策方法从自动驾驶走向具身智能，希望让机器人像人一样，在真实世界中不断学习、不断成长。

如何让机器在充满不确定性的真实世界中作出决策，是自动驾驶和机器人共同面对的核心问题。丁文超长期围绕这一问题展开研究。他较早提出将环境预测与行为决策结合起来，让机器在决策过程中主动理解环境的不确定性，而不是依赖预设规则或一味采取保守策略，为数据驱动的自动驾驶决策提供了新的思路。

这一理念随后在产业中得到验证。他参与构建华为 ADS 自动驾驶预测决策系统，推动自动驾驶从依赖人工规则逐步转向从海量真实驾驶数据中持续学习，使车辆能够不断积累驾驶经验、优化决策，相关技术最终实现百万级量产应用。

随着自动驾驶的数据驱动路线逐渐成熟，他进一步将这一思路拓展到具身智能领域。作为它石智航联合创始人兼首席科学家，他提出“以人为中心”的数据路线与 AI 世界引擎具身基础模型，希望机器人通过观察和学习人类与世界的交互，而不是依赖人工编写规则，逐步获得感知、决策和操作能力，为通用机器人的规模化发展探索新的技术路径。

复旦大学微电子学院校友

他将效率原则向 AI 系统的更底层推进，主导构建跨越数据、训练与推理的全生命周期协同优化策略，让 AI 能在有限预算内得到更高效的部署。

AI 的下一个瓶颈不只是模型能力，还包括它能否在有限的算力、延迟、能耗和成本内被训练、改进与部署，王瀚锐决定弥合这道效率鸿沟。

此前，大语言模型的效率优化通常被视为模型设计完成后的下游部署优化问题。但他认为，在模型早期设计阶段就要考虑到，面向手机处理器的模型和面向数据中心 GPU 的模型，结构不该相同。基于此，他在 MIT 读博士期间，提出将硬件反馈直接嵌入大语言模型的架构设计。

只优化模型推理还不够，一个实用的AI 系统必须在部署中持续学习、生成可信的训练数据、通过后训练迭代改进，最终以更低成本部署为服务。此前，这些环节通常分散在不同工具与团队之间，整体优化的效率太低。

2025 年，王瀚锐与团队联合创立 Eigen AI，构建了一套三层端到端系统。第一层通过多智能体协同合成完整的任务环境、工具调用轨迹与验证逻辑，智能体的线上探索可被自动转化为可复用的训练素材；第二层提供统一的监督微调与强化学习框架，让较小规模的开源模型获得强推理与智能体能力；第三层则将硬件感知原则从架构设计扩展到整个推理栈。这套系统的使用，让生产环境中的每一次交互都可以反过来改进模型。2026 年 5 月，Eigen AI 被欧洲 AI 云计算巨头 Nebius 收购。

他的愿景是让前沿 AI 在每一块 GPU、每一分钱、每一瓦特下产出更多有用的智能，让效率成为智能生来自带的属性。

复旦大学微电子学院校友

他打通了电子与光子芯片设计语言之间的隔阂，构建出电子-光子可微分协同仿真器，为 AI 硬件提供了一套囊括仿真、设计和计算的工具箱。

如今，AI 的算力需求激增，传统电子硬件的带宽和算力有限，而高正祺希望为后摩尔时代重构计算硬件的底层规则。

他的思路是“光电合一”：电子器件专注高吞吐通用计算，光子器件承担高带宽、低延迟通信，再将二者深度集成。不过，电子与光子长期被视作两套互不相通的设计语言，缺乏能兼容的仿真、优化与协同设计工具。

于是，高正祺与团队构建出电子-光子可微分协同仿真器。它保留了光子学和电子学各自的原生形式，又在同一环境中支撑跨域联合优化。

在计算层面，为了提高效率，他与团队利用基尔霍夫电流定律，将扩散模型、状态空间模型等生成式 AI 直接映射到模拟电路上。这一设计可以使得扩散模型以极快的速度和极低的功耗完成推理，为生成式 AI 提供了一种超越传统数字处理器的加速路径。

在此之外，他还持续将 AI 反向应用于芯片设计流程。从光子到电子、从仿真到自动化，他每一次搭建解决方案，都推动“AI 造硬件”向前更进一步。

博士毕业后，他加入密歇根大学，开发用于集成电路设计的智能体，并提升前沿模型在芯片设计任务上的能力。未来，他计划进一步推进软硬件全生命周期的协同设计，让 AI 与硬件设计形成相互促进的闭环。

复旦大学物理学系校友

他发明了一系列量子蒙特卡洛新算法，突破多体计算的“指数墙”，用量子信息揭示凝聚态物理中隐藏的纠缠与拓扑结构。

量子多体系统的核心困难是“指数墙”：粒子数每增加一个，需要追踪的量子态就得翻倍，系统稍大便超出任何经典计算机的极限，严正的工作是在这堵墙上凿洞。

博士期间，他发明了扫描团簇量子蒙特卡洛算法，解决了晶格规范场模型三十年来的计算瓶颈，该方法被国际数值教材单独成节收录。独立建组后，他将研究从“高效计算”推进到“信息提取”：通过将量子蒙特卡洛与随机解析延拓结合，实现大尺寸二维系统的纠缠谱计算。更重要的是，他在此过程中发现了路径积分上的“虫洞效应”：纠缠边界的虚时路径远短于体内路径，导致纠缠谱的低能结构由边界物理主导，这从第一性原理解释了困扰学界多年的 Li-Haldane 猜想。

他随后发展的双组份重赋权退火框架，则打破了量子蒙特卡洛数十年来只能测量对角算符的根本限制，使纠缠熵、纠缠负性乃至“量子魔法”等信息量能够在多体系统中实现大规模高精度计算。独立建组不到三年，他已系统建立起从纠缠熵到量子魔法的完整计算工具链，正在构建以量子信息为核心语言的凝聚态物理新框架。

《麻省理工科技评论》

“35 岁以下科技创新 35 人”评选

《麻省理工科技评论》“35岁以下科技创新35人”作为一项持续关注青年科技创新人才的国际评选，已走过二十余年发展历程。2017年，TR35正式落地中国，聚焦具有国际影响力和创新潜力的中国青年科技人才，持续发掘在基础研究、关键核心技术攻关、科技成果转化等方面取得突出成绩的青年科技工作者，见证了一批青年创新者成长为推动科技进步和产业发展的中坚力量。截至目前，TR35中国已发掘315位科创青年与百余项世界级成果，催生近百家高潜力科创企业。

✦

•

✦

扎根前沿领域、勇攀科技高峰

祝贺以上获奖者！