【极科社会】清华大学近期科研成果扫描

 6月11日，清华大学电子系盛兴研究组在《美国科学院院刊》（PNAS）发表了题为《基于微型光电上转换器件的植入式光源》（Microscale optoelectronic infrared-to-visible upconversion devices and their use as injectable light sources）的研究论文。通过设计制备新型的半导体光电异质结构，实现了从红外光到可见光的高效、快速的转换。制备的微型光源被植入活体动物体内，实现了对生物神经系统的有效光遗传调控。该研究成果为低创伤、无线、植入式光电神经接口的研究开辟了新的方向。

光子上转换（photon upconversion）是将多个低能量光子转换成高能量光子的过程，即发射光的波长小于吸收光的波长。这种独特的反斯托克斯（anti-Stokes shift）发光的现象在生物医疗、红外探测、太阳能利用等方面有着重要的应用。然而，传统基于稀土元素、有机等荧光材料的上转换过程基于非线性的能量跃迁机制，需要高相干性和大功率激发光源激发，具有相对较低的转换效率和缓慢的响应速率。

基于半导体异质结构的红外-可见光上转换器件及阵列

本文提出了新型的光电半导体异质结构的设计，制备出高度集成化的微型植入式波长上转换器件，成功的实现从近红外光到可见光各波段的发光上转换。通过运用新型的光-电转换机制，克服了传统非线性上转换材料的一系列问题，实现了低光照下的线性近红外到可见光的上转换，同时将能量转换的响应时间缩减至纳秒量级。通过特殊的转移和封装方式，实现了可靠性高、生物兼容性好的植入上转换微型光源。

植入活体动物神经系统的微型上转换器件

这种可无线控制和远程激发的上转换微型光源不仅解决了传统的植入式光纤、电缆等的有线光电能量传输方式的束缚，而且打破了电感耦合及电磁辐射等无线供能方式中大尺寸器件和传输距离的限制。通过与生物医学研究人员合作，将波长上转换光源探针植入活体动物皮下，利用近红光处于生物组织透明窗口波段范围和可穿透深层组织的特点，成功的激发和调制器件发射可见光。结合光遗传技术，将微型上转换光源植入动物脑内，利用近红外光成功实现了对神经系统的光学调控。该研究为低创伤、无线、植入式光电神经接口的实现提供了新的研究思路。

清华大学电子系助理教授盛兴为本文的通讯作者，电子系博士后丁贺和北京生命科学研究所-清华大学生命科学学院2014级博士生卢立辉为共同第一作者，合作者包括北京生命科学研究所-清华大学生命科学学院罗敏敏教授，清华大学材料学院助理教授尹斓、 赵凌云副研究员，宾夕法尼亚州立大学的助理教授诺尔·吉宾克（Noel C. Giebink）等。

论文链接：

https://dx.doi.org/10.1073/pnas.1802064115

6月8日，清华大学航天航空学院张一慧课题组与北京理工大学教授、清华大学双聘教授方岱宁课题组合作，在《科学进展》（Science Advances）期刊上发表了题为《具有非常规溶胀行为及可调控应力应变曲线的软质力学超材料》（Soft mechanical metamaterials with unusual swelling behavior and tunable stress-strain curves）的研究论文，系统报道了一类具有负溶胀等非常规溶胀性质以及可调控“J”型应力-应变曲线的软质力学超材料。

具有极端面积/体积变形能力的超材料在航空工程、光学和微电子领域有着广泛的应用。然而现有的负溶胀超材料变形范围较小，且不具备各向异性的性质，很难实现对材料面积/体积变化的大幅调控，在很大程度上限制了该类力学超材料的发展和应用。 

A图为网状材料吸水和脱水过程中的构型演变。B图为溶胀应变随时间演变的曲线图。C图为对应吸水/脱水状态下的应力-应变曲线。比例尺为40毫米

为解决上述问题，航院张一慧课题组提出了一种基于平面点阵的异质材料组装设计。该设计基于复合梁的偏心原理，利用不同层材料吸水变形过程中膨胀变形的差异，实现网状材料整体的较大膨胀和收缩。其微结构采用了马蹄形的三层夹心设计，有效解决了变形过程中界面分离以及结点自接触的问题。结合先进增材制备技术，利用高精度多材料光固化喷墨型3D打印机，实现了该网状超材料的数字化制备。

在《科学进展》论文中，研究团队首先展示了网状材料的吸水变形和脱水回复的过程，验证了网状材料的变形可逆性；详尽阐述了网状材料的变形机制以及调控原理，建立了定量的力学预测模型；通过有限元仿真和理论分析，提出了具有非常规溶胀行为的超材料设计方法，并实现了网状材料力学性质的各向异性调控。研究表明新设计的网状材料具有独特的“J”型应力-应变曲线，通过控制吸水时间，可以精确控制网状材料的弹性模量及临界应变等力学性质，在可展开天线和软体机器人的构型主动控制方面有着重要的潜在应用。 

各向异性大溶胀行为设计，其中红线表示本项工作中展示的溶胀行为

张一慧副教授与方岱宁教授为本文的共同通讯作者。清华大学航院2016级博士生张航为本文的第一作者。合作者包括清华大学航院博士后郭晓岗和2014级本科生邬军。

论文链接：

http://advances.sciencemag.org/content/4/6/eaar8535

6月5日，清华大学生命学院杨雪瑞研究组在《癌症研究》（Cancer Research）发表文章《NEAT1在前列腺癌细胞中通过CDC5L-AGRN转录调控通路的促癌作用》（Oncogenic properties of NEAT1 in prostate cancer cells depend on the CDC5L-AGRN transcriptional regulation circuit）。文章中鉴定了长非编码RNA（lncRNA）NEAT1在前列腺癌细胞中的促癌作用，首次提出NEAT1协助转录因子CDC5L调控靶基因AGRN，从而加速肿瘤细胞增殖与肿瘤生长的新机制。

NEAT1是一种长约3.2kb的非编码RNA，它主要富集于细胞核中，是形成与维持细胞核亚结构paraspeckle的关键非编码RNA。在前列腺癌中，NEAT1被发现有促癌作用，但其分子机制并不清楚。杨雪瑞研究组的主要研究方向之一是lncRNA在癌症中的生理功能与分子机制。鉴于lncRNA种类复杂、功能多样、已知信息缺乏的现状，研究组首先采用多组学大数据挖掘的手段，设计一系列数据整合分析算法，通过对细胞内转录调控关系的定量分析，鉴定影响重要转录调控通路的lncRNA分子。 

长非编码RNA NEAT1通过CDC5L-AGRN转录调控通路影响前列腺癌细胞周期与增殖的作用机制

本研究使用癌症大规模组学数据库TCGA（The Cancer Genome Atlas）的资源，基于约500例前列腺癌组织的多组学数据，系统分析了该类肿瘤环境中lncRNA对转录调控网络的影响。分析结果显示NEAT1可能调控多个转录因子的功能活性，其中转录因子CDC5L与NEAT1有直接的互作结合。在此基础上，研究组设计了一系列分子生物学与癌症生物学实验，不仅验证了数据分析所作预测，而且详细阐明了NEAT1在前列腺癌中促癌作用的分子机制。

研究发现，NEAT1招募并富集CDC5L蛋白至细胞核中的paraspeckle，促进CDC5L对靶基因AGRN的转录激活作用，而在前列腺癌细胞中，AGRN起到了促进DNA损伤修复的作用。对NEAT1表达水平的敲低抑制了CDC5L-AGRN转录调控通路的活性，导致前列腺癌细胞DNA损伤的累积，影响细胞周期与增殖。事实上，许多肿瘤中有p53等DNA损伤修复机制的缺失，因此，在肿瘤细胞中诱导大规模DNA损伤有抑制肿瘤发展的功能。杨雪瑞研究组首次发现非编码RNA NEAT1在控制DNA损伤、维持肿瘤细胞增殖与细胞周期中的关键作用。基于此机制，NEAT1表现出作为前列腺癌治疗靶点的潜力。

杨雪瑞研究组的发现体现了研究重要生物学问题方面，合理高效的大数据分析策略在发现生物学线索、预测功能与机制、提出可验证假说等方面的独特优势。特别是针对缺乏研究积累及研究线索的lncRNA功能研究，深度的数据挖掘与预测可以有效指导后续的机理研究。杨雪瑞研究组将继续采用该“干、湿实验”结合的策略，系统研究lncRNA以及其它调控因子在肿瘤发生发展中的作用机制。

清华大学生命学院博士生李新为本文的第一作者，杨雪瑞研究员为本文的通讯作者。

论文链接：

http://cancerres.aacrjournals.org/content/early/2018/06/05/0008-5472.CAN-18-0688

6月2-6日，第45届国际计算机体系结构大会（International Symposium on Computer Architecture，简称ISCA）在美国洛杉矶召开。清华大学微纳电子系博士生涂锋斌在会上做了题为《RANA：考虑增强动态随机存取存储器刷新优化的神经网络加速框架》（RANA: Towards Efficient Neural Acceleration with Refresh-Optimized Embedded DRAM）的专题报告。该项研究成果大幅提升了人工智能计算芯片的能量效率。 

微纳电子系博士生涂锋斌在大会上作学术报告

国际计算机体系结构大会是计算机体系结构领域的顶级会议。本次大会共收到378篇投稿，收录64篇论文，涂锋斌报告的研究论文是今年大会中国唯一被收录的署名第一完成单位的论文。清华大学微纳电子系尹首一副教授为本文通讯作者，涂锋斌为本文第一作者，论文合作者还包括清华大学微纳电子系魏少军教授和刘雷波教授。

随着人工智能应用中神经网络规模的不断增大，计算芯片的大量片外访存会造成巨大的系统能耗，因此存储优化是人工智能计算芯片设计中必须解决的一个核心问题。可重构研究团队提出一种面向神经网络的新型加速框架：数据生存时间感知的神经网络加速框架（RANA）。RANA框架采用了三个层次的优化技术：数据生存时间感知的训练方法，混合计算模式和支持刷新优化的增强动态随机存取存储器（eDRAM）存储器，分别从训练、调度和架构三个层面优化整体系统能耗。实验结果显示，RANA框架可以消除99.7%的eDRAM刷新能耗开销，而性能和精度损失可以忽略不计。相比于传统的采用SRAM的人工智能计算芯片，使用RANA框架的基于eDRAM的计算芯片在面积开销相同的情况下可以减少41.7%的片外访存和66.2%的系统能耗，使人工智能系统的能量效率获得大幅提高。 

数据生存时间感知的神经网络加速框架（RANA）

微纳电子系可重构计算团队近年来基于可重构架构设计了Thinker系列人工智能计算芯片（Thinker I，Thinker II，Thinker S），受到学术界和工业界的广泛关注。可重构计算团队此次研究成果，从存储优化和软硬件协同设计的角度大幅提升了芯片能量效率, 为人工智能计算芯片的架构演进开拓了新方向。