中國科學技術大學團隊
廢舊鋰電池回收有了綠色新技術

　　近日，中國科學技術大學陳維教授課題組首次提出了一種基于電化學原理的綠色可持續廢棄物回收管理策略，能夠同時實現廢舊鋰離子電池正極材料中的鋰資源回收和工業尾氣中的氮氧化物污染物的捕獲和轉化。研究成果日前發表于《自然·可持續發展》。研究團隊巧妙設計了一種無能量消耗的回收方法，利用尾氣中二氧化氮的電化學還原電位與廢舊電池正極材料的電化學氧化電位差，不僅成功回收了廢舊電池正極材料中的鋰資源，還將二氧化氮轉化為高價值的硝酸鋰鹽。與此同時，這一過程還能實現大量的能量輸出，為鋰回收與污染物治理提供了一種高效、環保且具有經濟價值的全新解決方案。具體來說，鋰離子將自發地從廢舊鋰電池正極材料中脫出進入電解液中，而另一側的二氧化氮則會被還原為亞硝酸根，兩者結合形成的亞硝酸鋰為直接的電化學反應產物，同時產生大約0.4V的輸出電壓。電化學反應產物亞硝酸鋰則會被空氣中的氧氣進一步氧化成為更加穩定的硝酸鋰產物。研究人員還分析了所提出的回收策略與傳統回收策略在經濟和環保等方面的優劣勢。針對電池回收工藝中各個主要回收步驟的能耗、二氧化碳排放以及成本收益進行系統性核算后顯示，所提出的回收工藝在能耗和二氧化碳排放量上遠遠低于目前主流的回收策略，表明該策略在綠色可持續經濟上具有絕對的領先優勢。對成本收益計算結果分析表明，所提出的策略也優于其他4種傳統回收策略。

天津大學與清華大學聯合團隊開發世界首個“雙環路”腦機接口系統

　　新學期伊始，天津大學腦機海河實驗室和清華大學集成電路學院聯手，成功開發了一款基于憶阻器神經形態器件的新型無創演進腦機接口系統。這項研究首次揭示了腦電發展與解碼器演化在腦機交互過程中的協同增強效應，成功實現了人腦對無人機的高效四自由度操控。相關成果已在線發表于國際權威期刊《自然·電子》。腦機接口能實現大腦與機器直接信息交流，促進生物智能與機器智能融合，被公認為是新一代人機交互和人機混合智能的核心技術。如何通過腦機之間的信息交互實現“互學習”，進而促進腦機智能的協同演進，是突破腦機性能瓶頸的重點和難點。天津大學與清華大學研究團隊首次提出了“雙環路腦機協同演進框架”，并通過憶阻器神經形態器件構建了全新的腦機接口系統。在雙環路框架下，“機學習”環路中的憶阻器解碼器通過適應腦電信號波動完成解碼參數更新，“腦學習”環路中的任務相關腦電特征在“決策—反饋”循環的引導下不斷正向演化。相關算法基于128kb規模的憶阻器神經形態器件實現了硬件化部署，將腦電信號的多步計算過程優化為單步計算。相比于傳統純數字硬件方案，憶阻器新方案的歸一化解碼速度提高了2個數量級(百倍)以上，能耗降低了3個數量級(千分之一)以下。

福州大學超級計算團隊
利用DeepSeek構建醫療超算大模型

　　近日，福州大學超級計算團隊依托學校醫工交叉研究院的算力平臺，成功完成DeepSeek-R1-70B大模型的本地化部署。經過檢索與知識的增強與優化，該團隊構建出應用于醫療健康領域的可循證、規范化超算大模型，并致力推動該大模型在福州大學附屬省立醫院、福建省腫瘤醫院、福建省婦幼保健院和福建醫科大學孟超肝膽醫院落地應用，為醫療行業發展注入新動力。此次部署過程中，團隊聚焦DeepSeek大模型在醫療領域的能力邊界展開全面測試。結果顯示，該大模型在多個醫學數據集上展現出卓越性能，為后續構建更具針對性的超算大模型提供了堅實基礎。在此基礎上，團隊基于DeepSeek-R1-70B大模型進行功能拓展，融入實時聯網檢索引擎、結構化醫療知識融合、診療規范化引導等功能，實現了循證醫學查房MDT、病歷摘要總結、臨床診療輔助決策等典型醫療應用場景。

　　據介紹，福州大學超級計算團隊是一支依托計算機與大數據學院組建的多學科交叉隊伍。未來，福州大學超級計算團隊將繼續攜手各領域的學術團隊，共同推進大模型的技術創新與產業轉化，致力推動大模型在醫療健康、金融科技等重點領域的深度應用，助力相關行業的數字化轉型與高質量發展。