特等奖+2！聚焦新域新质，复旦成果问鼎全国大赛

摘要：为破解分布式光伏高渗透接入和电动汽车保有量快速增长带来的新型电力系统稳定性挑战，复旦大学智能机器人与先进制造创新学院孙耀杰、王瑜团队，依托产学研项目和成果转化，成功研发了“数智赋能的分布式储能能量自治管理系统”。

9月21日、22日

2025新域新质创新大赛决赛在青岛举办

经过激烈角逐

来自复旦大学的四支团队

成功入围总决赛

其中

来自智能机器人与先进制造创新学院的

“数智赋能的分布式储能能量自治管理系统”

及未来信息创新学院的

“光子芯动力——用于AI计算集群加速的光互连芯片”

荣获高校组特等奖

此外

“低功耗抗辐照星载通信芯片”项目

荣获二等奖

“无掩膜亚微米并行直写设备 ”项目

荣获优胜奖

复旦大学

荣获2025新域新质创新大赛高校组

最佳组织奖

本次大赛系

全国首个聚焦新域新质的专业赛事

复旦大学以一批AI赋能的硬核创新性项目

集中展示了新工科建设成果

有力彰显学校在

服务国家战略、推动科技创新、

培育新质生产力方面的强劲实力

特等奖项目风采

AI赋能，

解答储能四大难题

数智赋能的分布式储能能量自治管理系统

申报负责人：王瑜

申报成员：胡子欣、孙耀杰、马磊、张瑞祥、付诗意、王丽朝、周禹轩、赵雨晴、曲力盈

为破解分布式光伏高渗透接入和电动汽车保有量快速增长带来的新型电力系统稳定性挑战，复旦大学智能机器人与先进制造创新学院孙耀杰、王瑜团队，依托产学研项目和成果转化，成功研发了“数智赋能的分布式储能能量自治管理系统”。

项目展位

当前，储能系统还存在“状态难感知、系统难自治、安全难防控、集群难响应”等挑战。对此，团队依托人工智能技术，将这些问题逐一击破。

在状态精准感知方面，团队提出物理信息融合的混合建模框架，可准确判断电池SOC（荷电状态），精度不小于97%，并将电池SOH（健康状态）预测误差降低至3%以内。创新性提出“特征匹配迁移学习”技术，使系统能快速适应不同材料体系与工况。

在系统的自治可控上，团队围绕“数智集成+多目标协调”，把系统效率最大化、SOC（荷电状态）约束统一进一个优化空间，把复杂场景统一为系统的“可行域”问题，让系统在场景切换时能平滑、稳定过渡。与此同时，引入多智能体强化学习（MARL），把家庭能源管理（HEMS）与虚拟电厂（VPP）做软链接，实证显示用能成本最高可下降约20%。

在安全系统防控上，团队将变流器电弧故障与电池热失控纳入一体化安全管控。兼顾主动检测与被动分析，能在约2秒内快速捕捉到异常电弧。同时，通过联动SOC安全区间、热管理策略与源荷调度策略，构建一个多层级、自适应的“安全防护链”。

在集群快速协同方面，团队研发了基于时间敏感网络（TSN）的快速工业总线与分层分布式协议，能快速响应并自动识别设备、下发配置参数，显著缩短工程调试时间。此外，团队提出三电平中点共模电流解耦与并联载波移相自同步环流抑制方法，以解决多机并联容易出现的“内耗”和“漏电”问题。

项目团队现场合影

从“设备能握手”到“系统会自治”，从“单点性能”到“生态能力”，如今，该系统不仅在学术上收获颇丰，还被相关合作单位采用，在多个国家和地区形成应用。未来，这套“自治的大脑+安全的筋骨+高效的经络”，将继续在新型电力系统的广袤场景中，释放更大的社会价值与产业动能。

光互连芯片，

为AI算力构建“光子高速路”

光子芯动力——用于AI计算集群加速的光互连芯片

申报负责人：孙奥龙

申报成员：黄瓯涵、袁玉琴、胡俊辉、邢思哲、胡雍竹、赵俊皓、刘胤君、迟楠、张俊文

当下火热的人工智能、大模型和GPU（Graphic Processing Unit，图形处理单元）都依赖着芯片互连在背后的“默默支持”。芯片互连如同一个微型的交通网络，在极短时间内传递海量数据，满足用户的各种需求。功能强大的算法需要芯片才能实现。若是芯片无法及时传递信息，用户就只能在屏幕上看到一句提示语——“对不起，服务器繁忙，请稍后再试。”

在此背景下，复旦大学未来信息创新学院张俊文教授、迟楠教授带领团队积极探索超维复用集成光子互连芯片研发与应用，成功设计出“光子芯动力——用于AI计算集群加速的光互连芯片”。

团队代表孙奥龙颁奖现场留影

相比于传统电互连芯片，光互连芯片不仅能大幅降低延迟，还能有效减少能耗，提升系统的整体扩展性，是硬件设计的未来新方向。

团队所研发的边缘引导逆向设计算法进一步发挥了光互连芯片的优势。该算法结合了拓扑优化算法的高效与数字超材料的工艺鲁棒性，成功实现了超紧凑五模、六模模分复用器以及双偏模分复用器的设计。采用了该算法的芯片，如同在大城市里建了交通枢纽，还架设了立交桥和磁悬浮列车，能够让每一条数据都精准快速地到达接口。

时间、频率和模式等多个维度的复用，使得芯片能够实现每秒38Tb（相当于大模型约4.75万亿参数的传递）的传输速率。其中最亮眼的设计就是五模复用器，尺寸仅为10μm×6μm，在1550nm处损耗低于1.97dB，串扰小于-20dB，可以在芯片上多处应用。

大规模AI训练、广尺度算法网络建设、高难度工程问题求解，都离不开芯片互连的支持，而张俊文和迟楠带领的团队交出了一份优秀的复旦答卷。