科技·前沿
近日，丘成桐數學科學中心副教授於品在線發文闡釋激波形成機制；交叉信息研究院量子信息中心金奇奐副教授離子阱計算研究組首次在實驗上實現量子絕熱捷徑；環境學院水環境保護所何苗課題組在環境檢測石墨烯場效應管集成生物傳感器研究中取得進展；信息科學與技術國家實驗室（籌）謝震課題組在《自然·通訊》發文報道控制Cas9活性的新策略；交叉信息研究院唐平中助理教授研究組提出全新算法，有望解決電商平臺刷單欺詐問題。
清華數學系於品在線發文闡釋激波形成機制
近日，丘成桐數學科學中心副教授於品與密西根大學繆爽合作的論文《關於擬線性波方程的激波形成機制》（On the formation of shocks for quasilinear wave equations）在國際頂尖的四大綜合性數學期刊之一《數學新進展》（Inventiones Mathematicae）上在線發表。
於品論文中三維激波示意圖。
激波是物質中的壓縮波通過非線性效用的積累而產生的強間斷，比如爆炸所產生的衝擊波。目前，數學上對於激波的理論研究基本侷限在一維的情形。於品與繆爽長達130餘頁的論文在方法上結合傳統的偏微分方程的思路和微分幾何的手段，融合了流體力學中 Euler 方程的激波理論和廣義相對論中黑洞形成的理論，在三維激波的形成機制上取得了重要的進展。他們的研究有助於理解有約束情形下非線性電磁學中的激波理論，在物理和數學上有著非凡的意義。
2010年，於品受聘為清華大學丘成桐數學科學中心講師，隨後於2013年晉升為副教授。在此之前，他通過對帶電黑洞的剛性問題的研究獲得美國普林斯頓大學博士學位。自入職中心以來，於品副教授潛心學術研究，去年他與中山大學黎俊彬合作的關於黑洞形成的論文在數學研究領域四大期刊之一的《數學年鑑》（Annals of Mathematics）上發表。學術之外，他還積極致力於教學與學生培養，為本科生課程及研究生開設多門基礎課程，指導多名本科生的畢業設計，並作為博士生導師指導了三名博士研究生進行偏微分方程方面的研究。
於品副教授是丘成桐數學科學中心幾何與分析團隊中的年輕骨幹成員，他的研究成果是數學中心在微分方程和幾何分析領域不懈努力所取得的科研成就的體現。作為一個開放性的研究機構，清華大學丘成桐數學科學中心的目標是培養最優秀的數學人才和產生最優秀研究成果。
清華量子信息中心首次實驗實現量子絕熱捷徑
清華大學交叉信息研究院量子信息中心金奇奐副教授離子阱計算研究組首次在實驗上實現量子絕熱捷徑。論文《囚禁離子相空間中利用逆絕熱驅動實現量子絕熱捷徑》（Shortcuts to adiabaticity by counterdiabatic driving for trapped-ion displacement in phase space）近日發表於《自然·通訊》。
圖1：(a) 逆絕熱法的經典類比。
圖1：(b) 通過施加逆絕熱哈密頓量絕熱操作不再受到時間的限制。
絕熱操作是一項非常重要的量子技術。但是環境造成的退相干限制了絕熱操作的應用。最近絕熱捷徑技術的發現吸引了大量的關注。量子絕熱捷徑能夠使用非絕熱的方法在任意短的時間內模擬另一個絕熱過程。在大量能夠實現絕熱捷徑的方案中，逆絕熱法能夠實現絕熱過程快放（如圖1）的特點使其優於其他的方法。在實驗上，逆絕熱法通過施加一個逆絕熱的哈密頓量來壓制任意時刻非絕熱躍遷。
圖 2：實驗結果。 (a) 不同絕熱捷徑方法在瞬時基下的激發。只有逆絕熱法能夠保證任何時刻的絕熱跟隨。(b) 抗噪性測試. 我們假設囚禁頻率發生了改變而我們並不知道仍然使用錯誤的囚禁頻率來設計絕熱捷徑，然後測量輸運之後的激發量。結果顯示逆絕熱法是最優的方案。
本文第一次報道了在相空間中應用逆絕熱法輸運囚禁離子的運動態，並且驗證了逆絕熱法在諸多方面都優於其他絕熱捷徑方案（如圖2）。文中實驗結果清晰地顯示，與其它方案相比，逆絕熱法在有限量子操控資源的條件下能夠以最短的時間和最抗噪地方式實現量子絕熱捷徑。此研究工作使得量子絕熱捷徑技術在量子門操作和量子模擬中能夠實現大規模的應用。
該實驗工作由交叉信息研究院2012級博士生安碩明、呂定順完成，美國麻省大學波士頓校區阿多夫·德·岡波（Adolfo del Compo）副教授提供理論支持。論文第一作者為安碩明，共同通訊作者為安碩明、阿多夫·德·岡波副教授和金奇奐副教授。該項工作得到國家基礎研究項目和國家自然科學基金支持。
清華環境學院何苗課題組在環境檢測石墨烯場效應管集成生物傳感器研究中取得進展
清華大學環境學院水環境保護所何苗課題組在新型石墨烯場效應管（Graphene field-effect transistor, GFET）納米傳感器件研究中取得進展。研究通過開發一種基於可集成平面固態柵極（High-κ solid-gate）新結構的GFET傳感器件，實現對水中新型汙染物抗生素的免標記定量檢測。相關成果“使用高介電常數固態柵極結構的集成型高靈敏度石墨烯場效應管生物傳感器”（High-κ solid-gate transistor configured graphene biosensor with fully integrated structure and enhanced sensitivity）在線發表於納米電子學和材料學領域頂級學術期刊《先進功能材料》（Advanced Functional Materials）。
石墨烯因其極高的載流子遷移率被視為最有前途的敏感材料，免標記親和型石墨烯場效應管傳感器是生物傳感領域的前沿熱點。但是，目前廣泛使用的液柵和背柵GFET結構分別存在結構穩定性低（需外置柵電極）和安全性弱（柵壓較高）的問題，在器件集成化和實用性方面受到制約。本研究報道的High-κ solid-gate GFET新器件（圖1）使用標準MEMS光刻工藝和原子層蒸鍍沉積（Atomic layer deposition, ALD）技術制了成高介電常數平面固態柵極。實驗結果和理論分析顯示，新器件可以在基本保持石墨烯高遷移率的基礎上，通過提高固態柵極電容，使GFET器件的跨導參數顯著提高，實現高靈敏度檢測。
圖1 平面固態柵極石墨烯場效應管集成傳感器件。
經實驗驗證，本研究報道的High-κ solid-gate GFET新器件（圖1）同時具備液柵GFET器件的低操作電壓和背柵GFET器件的易於集成的優點。在此基礎上，通過對石墨烯新器件進行功能化修飾，本研究實現了基於DNA適體競爭機制的新型環境汙染物卡那黴素檢測。此外，通過對水溶液-石墨烯敏感界面上帶電生物分子分佈進行的電子學理論分析，本研究提出了描述生物分子間親和作用形成GFET器件電信號輸出模型（圖2）。該模型對GFET親和型生物傳感器的設計與優化具有重要的參考價值。
圖2 生物傳感響應機制。
清華大學環境學院博士後王程為論文第一作者和通訊作者，何苗研究員為共同通訊作者。清華大學周小紅副教授、博士生李奕君，美國哥倫比亞大學林橋（Qiao Lin）教授、博士生祝毅博參與了研究工作。
清華謝震研究組在《自然·通訊》發文報道控制Cas9活性的新策略
基於拆分dCas9的三輸入邏輯“與門”基因線路（上方）。利用TALE抑制子感應不同信號，實現dCas9蛋白結構域的互換，控制不同基因表達。
CRISPR/Cas9系統是細菌和古細菌在長期演化過程中形成的一種適應性免疫防禦，可用來對抗入侵的病毒及外源DNA。CRISPR/Cas9系統通過將入侵噬菌體和質粒DNA的片段整合到 CRISPR中，並利用相應的CRISPR RNAs（crRNAs）來指導剪切與之配對的DNA序列。通過人工設計包含Cas9結合靶點序列的指導RNA（guide RNA），Cas9可用於對基因組中特異位點的切割。不僅如此，失去核酸酶活性的dCas9也可用於基因表達調控，以及DNA位點的標記。精確控制Cas9/dCas9的功能，有助於實現特定時間、特定細胞的表達，進一步拓展CRISPR/Cas系統的應用範圍。
謝震課題組致力於合成生物學基因線路在生物學和醫學上的應用。其開發的結構域可控交換策略特異性控制dCas9功能，是該課題組繼2015年在《自然·化學生物學》報道利用TALE轉錄抑制子模塊化拼裝合成基因線路之後，對合成生物學領域的又一重要貢獻。
清華信息科學與技術國家實驗室謝震研究員是該論文的通訊作者，清華大學自動化系博士生馬大程是該文的第一作者，自動化系碩士生彭曙光為該文的共同第一作者。該研究得到了科技部973計劃、清華信息科學與技術國家實驗室的資助。
論文鏈接：
http://www.nature.com/articles/ncomms13056
清華交叉信息院唐平中研究組提出全新算法
有望解決電商平臺刷單欺詐問題
清華大學交叉信息研究院唐平中助理教授研究組與阿里巴巴公司合作，針對評價系統(Reputation System)普遍存在的商家刷單提升信用問題提出了基於博弈論與優化的新解決方案，並在淘寶網和天貓的數據集上取得了滿意的仿真實驗結果。該研究成果《面向個性化推薦系統的機制設計》（Mechanism Design for Personalized Recommender Systems）近期以長文形式發表於美國計算機協會推薦系統年會（ACM RecSys 2016）。
推薦系統根據買家的購買點擊數據和商品的評價（Reputation System）進行推薦，得分高的賣家獲得更多的買家訪問量，這促使賣家通過提升自己的服務和商品質量，從而提升購買數量。對於賣家來說，良好信譽是建立於長期累積和穩定經營。但是，為獲得更多的買家訪問量，部分賣家會採用刷單、炒信的捷徑提高信譽度，不僅嚴重影響了買家在推薦系統上的用戶體驗，也影響了不刷單的賣家的利益。刷單的現象如今非常普遍，甚至已形成了一個地下產業。
現有的防止辦法大多采用機器學習的方式，即對商品的評價文本抽取特徵，同時進行人工標定是否為虛假評價的標記訓練模型。 但對於很多評論來說，人工標記也十分困難，因此這些模型有可能會誤傷誠信的賣家。
針對這個問題，唐平中研究組從博弈論和機制設計的角度，提出了一個全新的防止刷單的理論模型和相應的實現算法。在這個模型中，推薦的流量分配被建模成一個可分割資源的問題，賣家參與刷單的成本大於刷單得到流量提升帶來的收益，因而賣家不會選擇刷單。之後對阿里巴巴提供的購買數據進行分析處理，模擬論文中提出的機制，發現機制帶來的總成交量優於淘寶現有的推薦算法。下圖為模擬實驗的結果：
該成果具有一定的普適性，可應用於基於推薦的互聯網場景，如亞馬遜、阿里巴巴、京東、美團等企業，具有很高的應用前景和商業價值。
ACM推薦系統年會是美國計算機協會(ACM)舉辦的推薦系統頂級會議，本次會議的長文錄用率約為10%。作者按英文字母順序排序，第一作者為
蔡慶芃，通訊作者為唐平中。
此項研究得到了國家青年千人計劃、國家自然基金和清華大學自主科研計劃的資助。
論文鏈接：
http://dl.acm.org/citation.cfm?id=2959135
閱讀更多 網界觀察 的文章
