新闻

卡片列表

视觉与数据智能中心：洞见数据，启迪视觉智能

#上科大信息学院视觉与数据智能中心Visual and Data Intelligence Center上海科技大学信息科学与技术学院（以下简称“信息学院”）信息学院以中国科学院的科研平台为支撑，聚焦人工智能、芯片（含计算机架构、电路与器件）、可视计算、大数据、量子通信与计算、云计算与边缘计算、金融科技、无人驾驶、电动汽车、新能源、智能医学等涉及信息科学与技术的前沿和交叉研究领域。学院下设七大研究中心：视觉与数据智能中心、智能网络中心、后摩尔器件与集成系统中心、智慧电气科学中心、自动化与机器人中心、系统与安全中心、智能医学信息研究中心。视觉与数据智能中心（Visual and Data Intelligence Center, VDI）聚焦视觉感知、数据智能、机器学习、自然语言处理、计算机图形学、科学计算、人机交互和可信大模型等方向，面向开放世界多模态理解、智能交互、具身智能、可解释 AI 与数据科学等前沿问题，推动人工智能从“感知理解”走向“推理决策”和“人机协同”。● 推文看点中心定位、研究版图、年度科研进展、科研成果、教师团队、国际合作与学生培养● 关键词视觉智能｜数据智能｜

2026-05-22

新闻
后摩尔器件与集成系统中心：超越摩尔、集成未来

#上科大信息学院后摩尔器件与集成系统中心Post-Moore Microelectronics and Integrated Circuit Center上海科技大学信息科学与技术学院（以下简称“信息学院”）信息学院以中国科学院的科研平台为支撑，聚焦人工智能、芯片（含计算机架构、电路与器件）、可视计算、大数据、量子通信与计算、云计算与边缘计算、金融科技、无人驾驶、电动汽车、新能源、智能医学等涉及信息科学与技术的前沿和交叉研究领域。学院下设七大研究中心：视觉与数据智能中心、智能网络中心、后摩尔器件与集成系统中心、智慧电气科学中心、自动化与机器人中心、系统与安全中心、智能医学信息研究中心。后摩尔器件与集成系统中心（Post-Moore Microelectronics and Integrated Circuit Center, PMICC）面向后摩尔时代芯片技术发展的前沿需求，聚焦微电子、集成电路、新型器件与智能系统，围绕电路、器件、系统三条主线，推动 FPGA、ASIC、光电器件、MEMS 传感器、自旋电子、计算光刻、低温 CMOS、光学计算与神经形态计算等方向交叉融合，探索新一代芯片

2026-05-19

新闻
优刻得×上科大联合研发：UPFS开启AI存储性能新阶段

在AI大模型训练、自动驾驶及EDA等高性能场景中，“GPU闲置”是企业最大的成本浪费。当存储系统无法以足够速度将数据传递给GPU时，即便算力充足，也难以持续高效运行。如何高效地“把数据送到GPU”，正成为影响整体性能的关键因素。在这一过程中，文件系统承担着连接存储与计算的核心角色。优刻得自研的并行文件系统UPFS，正是面向AI与高性能计算场景打造的数据底座，用于实现海量数据的高并发访问与快速分发，保障GPU持续获得稳定的数据供给。围绕这一关键技术环节，优刻得与上海科技大学开展深度产学研合作，共同推进 UPFS 产品的重要升级。本次升级引入了 Linux 内核前沿特性 FUSE URING，对数据访问路径进行了重构，使产品整体性能得到显著提升。该技术工作由优刻得存储团队与上海科技大学王春东课题组合作完成，贾磊、朱莉等同学为核心参与人员。从“通用能力”到“性能瓶颈”在现有体系中，FUSE（用户态文件系统）因其通用性与灵活性，被广泛应用于各类云与AI场景。但随着AI负载规模不断提升，其架构限制逐渐显现：单通道机制带来的资源竞争问题并发能力受限，难以充分利用多核资源高负载场景下延迟与吞吐表现受

2026-05-17

新闻
上科大吴涛、沈晓钦合作团队实现GHz可调超高品质因子准BIC谐振器

随着量子信息技术和微波光子学的持续发展，对工作于高频率、具备高品质因数（Q）且具有电学可调谐能力的声学谐振器的需求日益迫切，但在GHz频段同时实现上述三项关键性能仍面临挑战。现有基于连续谱束缚态（BIC）的谐振器设计通常依赖复杂的深度刻蚀工艺，不仅对加工精度要求极高，而且容易引入额外的散射损耗，从而制约器件Q值的进一步提升，并限制其实时可调能力的实现。近日，上海科技大学信息学院吴涛课题组与物质学院沈晓钦课题组合作在《先进科学》（Advanced Science）上发表了题为“Piezoelectric-Metal Phononic Crystal Enabling GHz Tunable Ultrahigh Q Quasi-BIC Mode”的研究论文，报告了首个在压电薄膜剪切水平（SH）波系统中实验实现的GHz准BIC谐振器。团队采用了一种结构简单的1D压电-金属声子晶体（PnC）架构，通过在悬浮铌酸锂（LiNbO3）薄膜上图案化金属一维PnC阵列构建声子能带结构。利用SH0 0模与高阶SH2 0模之间的破坏性干涉，成功抑制了辐射损耗，将声能牢牢“捕获”在无图案的压电薄膜区域。该成果

2026-05-16

新闻
科研进展 | 为绿色数据中心“减负”：上科大团队推出单级48V/1V算力电源新方案

随着人工智能与云计算技术的飞速发展，数据中心的整体能耗持续攀升。以GPU和AI加速器为代表的“大芯片”负载，其供电电流需求呈指数级增长，对传统12V供电架构提出了严峻挑战。该架构在母线损耗与配电效率方面的瓶颈日益凸显。在此背景下，48V供电架构凭借其显著降低传输损耗、提升系统能效的优势，正逐步成为下一代数据中心电源系统的重要发展方向。然而，48V架构也对核心的电压调节模块（VRM）提出了更高的降压比要求，随之而来的是开关损耗增大、器件应力提升以及转换效率受限等一系列技术难题。目前，业界多采用多级转换架构来实现电压适配，但此类方案存在系统复杂度高、能量传输链路长、整体效率受限等问题，难以满足高功率密度与高效率并重的工程化需求。针对这一关键挑战，上海科技大学信息学院智慧电气科学中心王浩宇教授团队创新性地提出了一种48V单级软开关VRM拓扑方案，有望突破传统多级转换的技术瓶颈，为48V数据中心供电架构提供一条高效、简洁的新型技术路径。该方案基于倍流整流电路（Current Doubler Rectifier, CDR），该结构在“高变比、大电流”应用场景中具有天然优势。然而，传统CDR架构的

2026-05-15

新闻
你的下一款“美发神器”，上科大学子用代码搞定理发师

4月10日，由小红书主办的“2026小红书黑客松巅峰赛”圆满落幕。来自上海科技大学GeekPie与DataTech科技社团的学生和团队成员凭借作品“ChicChic——当理发遇上Token上限”，在软件赛道中脱颖而出，荣获一等奖。2026 小红书黑客松巅峰赛颁奖现场，由 Monolith 创始人曹曦（左一）颁奖。上科大科技社团成员贺泽邦（左二）、洪沐天（右一）上台领奖本届赛事是小红书科技薯举办的首届黑客松大赛，吸引了全国众多高校及行业开发者参与，其中00后选手占比超过62%。在为期48小时的极限挑战中，参赛队伍需完成从概念到最小可行产品（MVP）的全流程开发，并由专家评委进行综合评审。软件与硬件两大赛道的前五名团队晋级决赛，通过现场路演角逐最终奖项。图为上科大参赛团队击鼓鸣金，宣告48小时开发结束黑客松（Hackathon）作为“黑客（Hacker）”与“马拉松（Marathon）”的结合，起源于二十余年前，现已发展为全球范围内极具影响力的创新竞赛形式。它不仅要求参赛者具备优秀的编程能力，更考验其在有限时间内实现创意、协同开发、完成产品原型的能力，已成为展现青年科技人才创新实力与团队协

2026-04-30

新闻
上科大学子斩获Kaggle国际AI赛事全球总冠军

近日，在全球顶尖数据科学竞赛平台Kaggle举办的“Deep Past Challenge（深邃历史挑战赛）”中，由上海科技大学DataTech社团主导组建的参赛队伍，凭借扎实的技术功底与严谨的科研方法，在全球2673支队伍中脱颖而出，一举夺得赛事全球总冠军，展现了上科大学子在人工智能前沿领域的硬核实力。Kaggle作为Google旗下的全球性数据科学与机器学习平台，是目前全球规模最大、认可度最高的AI竞赛平台之一。本次赛事由深邃历史倡议组织（Deep Past Initiative）主办，聚焦AI技术解决人类文明遗产破译的难题。本次赛事共吸引了来自全球的3311名开发者参与，累计提交方案6.8万份。图1 DataTech战队排名第一本次竞赛聚焦人类文明遗产保护的全球性难题，要求参赛者开发AI系统，实现距今4000多年前的古亚述语（阿卡德语方言）楔形文字音译本的英文翻译。古亚述楔形文字多镌刻于泥板，记录债务、契约、日常事务等内容，是研究古代文明的重要史料。这类记录在泥板上的文字是研究古代文明的关键，但全球能破译的专家不足十人，且现存泥板多有破损，数据稀缺，对AI技术提出了极限挑战。面对

2026-04-28

新闻
信息学院团队合作提出软硬件协同加速的隐式神经表示稀疏视角CT实时重建框架

在医学影像领域，稀疏视角CT技术因可减少辐射剂量、缩短扫描时间，具有重要应用潜力，但传统方法难以兼顾稀疏采样下高质量重建与高效重建的需求。隐式神经表示技术凭借较强的特征拟合能力，能从有限的稀疏视角数据中重建出高质量的CT图像，在保留关键图像细节的同时降低辐射与扫描成本，为稀疏视角CT重建提供了有效路径。但隐式神经表示在CT重建中的应用受限于实时性不足的问题，单样本重建耗时较长，难以满足介入诊疗和术中引导等场景对实时成像的需求，限制了该技术在实际场景中的应用潜力。针对这一问题，上海科技大学信息科学与技术学院张玉瑶课题组和娄鑫课题组合作提出实时稀疏视角CT重建框架RTSyner，通过软硬件深度协同设计，有效提升了基于隐式神经表示重建方法的实时性能，实现了性能和速度的双重优化。为达成实时化目标，RTSyner从算法与硬件两端同时进行优化：算法层面，引入图像局部特征作为先验信息，融合特征与空间坐标数据，使模型快速稳定地学习目标CT图像的表示，提升了算法框架的泛化能力；硬件层面，采用专用硬件架构及定制化算法流，搭配高效并行计算模块，在提升重建速度的同时降低功耗，进一步强化实时性能。RTSyner

2026-04-20

新闻

每页 8 记录总共 978 记录
第一页 <<上一页下一页>> 尾页
页码 2/123 跳转到

每页 8 记录总共 978 记录
第一页 <<上一页下一页>> 尾页
页码 2/123 跳转到