1.复旦大学在物理学顶级期刊Nature Physics上连发2篇重要研究成果，分别发表于4月8日和4月15日。
2.4月8日的研究实现了利用机器学习实现同步的自旋压缩与磁场跟踪，证明了在恒定光泵浦下，通过连续量子非破坏性测量，可以同时实现稳态自旋压缩和量子传感。
3.4月15日的研究在杂质相对高浓度的条件下，于单颗粒层面实现了结晶过程的可视化，揭示了杂质浓度与结晶路径之间的关系。
4.两项研究均为领域内的一项重要进展，同时展示了复旦大学在人工智能助理基础研究方面的成功范例。
以上内容由腾讯混元大模型生成，仅供参考
4月8日以来，复旦大学物理学系接连在物理学顶级期刊Nature Physics上发表了2篇重要研究成果，下面我们来分别了解一下：
4月8日，复旦大学肖艳红、段俊磊（一作兼通讯作者）和丹麦哥本哈根大学Klaus Mølmer合作作为共同通讯在Nature Physics上报道了利用机器学习实现同步的自旋压缩与磁场跟踪。该研究证明了在恒定光泵浦下，通过连续量子非破坏性测量，可以同时实现稳态自旋压缩和量子传感。研究利用计量学相关的稳态压缩技术，在一大群热原子中实现了持续的自旋压缩态。研究进一步利用该系统跟踪不同类型的连续时变磁场，并展示了如何使用深度学习模型从光学测量中推断出时变磁场。通过在测试实验中故意阻止自旋压缩并观察到性能下降，研究验证了自旋压缩带来的量子增强效应。这些结果代表了利用纠缠原子进行连续量子增强测量学的一项进展，包括训练和应用深度神经网络来推断复杂的时间相关扰动。
总之，该研究首次在自旋体系中实现了量子增强的连续测量，为领域内的一项重要进展，同时该研究又是AI助理基础研究的一个成功范例。本文第一完成单位为复旦大学，最后通讯作者为肖艳红，她于1993至2000年在清华大学先后取得学士和硕士学位，2004年在美国哈佛大学取得博士学位。此后她在哈佛-史密斯天文中心原子分子部进行博士后研究，并于2009年回国加入了复旦大学，她目前为该校物理系教授，她也是山西大学的特聘教授。肖艳红曾获国家“优青”，去年她还成功当选为了美国物理学会（APS）会士。
4月15日，复旦大学谭鹏与日本东京大学Hajime Tanaka合作作为共同通讯在Nature Physics上报道了杂质对晶体生长的影响。该研究在（杂质）相对高浓度的条件下，于单颗粒层面实现了结晶过程的可视化。研究观察到，由于系统清除生长前沿杂质颗粒的能力不同，生长模式出现了分岔——即连续生长或熔化再结晶。
初始成核构型决定了晶粒尺寸和生长前沿形貌，而这两者反过来又会影响杂质传输。小晶粒会促进杂质向晶界的横向传输，从而降低杂质浓度，有利于连续生长；而大晶粒则会积累杂质，进而导致熔融再结晶。研究发现，后一种现象（熔化再结晶）源于结晶过程与玻璃化过程（玻璃化过程的一种逆过程即脱玻璃化）之间的竞争。该研究深入揭示了杂质浓度与结晶路径之间的关系，并强调了初始构型如何塑造最终晶体的形貌。
总之，该研究报道了高浓度杂质下两种不同的晶体生长模式，并揭示了高浓度杂质传输影响结晶的过程，为相关晶体行为的研究提供了理论预测模型。本文第一完成单位为复旦大学，最后通讯作者为谭鹏，他本科毕业于山东大学，2010年博士毕业于复旦大学。博士毕业后他在香港中文大学进行博士后研究，并于2014年加入了复旦大学至今，他目前为该校物理系教授。他研究领域为统计物理和复杂系统、软凝聚态物理，近年来主要开展胶体系统相变动力学方面的研究，并在相关领域做出过一系列原创成果。