你是否好奇，未来的电池能否解决“放着也会变差”的老化难题？你是否期待有一天，科学家能解码免疫细胞与癌细胞的“对话”，让精准治疗惠及更多患者？你见过无需昂贵传感器、仅凭自身“直觉”就能灵巧削黄瓜皮的机器人吗？
日前，上海交通大学溥渊未来技术学院“溥渊未来学者计划”项目展示活动在包玉刚图书馆举行。来自17个学院的100名本科生携40项聚焦前沿科研项目集中亮相，呈现了他们在“未来能源”“未来健康”“人工智能融合”等领域的探索成果。活动现场不仅有技术实验演示，还有学生与导师面对面的交流讨论，展示了高校本科生在科研实践、跨学科探索与创新能力培养方面的新进展。
揭示固态电池日历老化机制
在新能源技术和“双碳”目标的推动下，电池的寿命和安全性成为产业和社会关注的焦点。固态电池因兼具高能量密度与安全特性，被视为下一代能源核心，但长期搁置后的性能衰退——“日历老化”——仍是制约其应用的重要难题。
“溥渊未来学者计划”学子刘丽颖围绕这一问题开展研究。她结合电化学测试、XPS界面化学分析及CT结构观察等方法，对不同复合正极材料体系在多种温度和荷电状态下进行实验。实验结果显示，即便不使用，固态电池在长期搁置过程中仍会出现容量下降，而且不同材料体系的老化程度存在明显差异，说明其衰退过程不能用单一机制解释。进一步分析表明，复合正极老化不仅与化学副反应有关，更受到机械因素影响，这些因素会破坏离子和电子的传输通路，从而影响电池寿命。同时，适当的预循环可以在一定程度上缓解老化，为未来电池的材料选择、复合正极设计和储存策略优化提供实验依据。
刘丽颖表示，参与此类科研项目不仅让她理解了实验操作和数据分析，更体会到科研如何从微观现象延伸到产业应用，这种实践经历是本科阶段难得的成长机会。
AI助力解析电池纳米界面
在电池性能和安全性研究中，纳米级固态电解质界面膜（SEI）结构复杂，传统手段难以高效解析。张淏珃的研究将四维扫描透射电子显微技术（4D-STEM）与物理约束视觉模型结合，建立了AI显微识别系统，能够自动分析纳米尺度界面晶体结构。
这一方法不仅加快了分析速度，也为理解电池性能衰减提供了新工具，对下一代高性能、安全电池的研发具有参考价值。
探索精准医疗前沿
在未来健康领域，赵仕贤聚焦肺癌细胞与免疫细胞的相互作用。通过体外模拟肺癌微环境，结合多组学分析，他系统解析了免疫细胞与肿瘤细胞的互作网络。
研究目标是定位导致免疫治疗耐药的关键靶点，为精准免疫治疗提供理论依据。
毛崇晓的研究则解决了单细胞测序中样本归属难题。他提出的HT-Demux方法通过全局参数共享与高维空间建模，实现百万级细胞数据的高效归属推断，为大规模精准医疗数据分析提供了可扩展、高效的解决方案。
AI与机器人融合创新
在人工智能融合领域，时涵天的研究为低成本机器人赋予“触觉直觉”。他通过分析机器人执行误差，将机械臂的动作误差转化为隐式力信号，实现无需额外硬件的精细操作。实验显示，该方法在黄瓜削皮、花瓶擦拭等任务中的成功率从约26%提升至99%以上，同时在复杂环境下表现出极强稳健性。
陈喆则开发了基于激光雷达占据栅格地图与混合强化学习的自动泊车系统。该系统能在狭窄、复杂停车环境下规划稳定路径，实车平均推理时间仅17.2毫秒，为智能驾驶落地应用提供了可行性参考。
“溥渊未来学者计划”由溥渊未来技术学院发起，面向上海交通大学本科生，受无锡锡山区人民政府、睿远基金等机构支持。计划通过导师指导、跨学科实践和前沿科研选题，培养学生发现问题、解决问题和创新实践的能力。项目不仅锻炼了学生科研技能，也让他们在跨学科协作中拓宽知识边界、提升创新素养。参与学生普遍表示，计划为本科阶段提供了接触前沿科研、培养创新能力的重要平台，同时激发了对科技发展的兴趣和社会责任感。
