适合人群
适合年级 (Grade): 大学生及以上
适合专业 (Major): 电子工程、芯片设计、半导体材料、材料物理、物理电子学、微电子与固体电子学、光电子与光子学技术等专业或者希望修读相关专业的学生；
学生需要具备基础物理、电磁学、电路设计基础
本项目仅对通过申请评估或面试的学生开放
建议选修: 分子工程学：大学化学及其应用
导师介绍
Deep
宾夕法尼亚大学 (UPenn)
终身教授
Deep 教授是宾夕法尼亚大学材料科学与工程学院的终身教授。他为二维 (2D) 半导体的电荷传输和电子应用研究做出了贡献，并在西北大学开创了栅极可调、混合维、范德瓦尔斯异质结构的研究。 2015 年 8 月，Deep 作为雷斯尼克奖博士后研究员加入加州理工学院，其目标是研究增强高效、超薄光电设备二维系统中光-物质相互作用的策略。 Deep 的研究位于固态光电和新兴低维材料的交叉点，结合了组装、生长和集成纳米结构材料的新技术，包括分子材料和最先进的纳米制造方法，以创造新型电子和光子器件。曾获得材料前沿奖，Frontiers of Engineering 美国工程院受邀者，陆军研究办公室青年研究员计划（YIP）奖，纳米材料青年研究员奖，ACS Nano Letters 早期职业编辑顾问委员会，Peter and Susanne Armstrong荣誉杰出学者，福布斯 30 岁以下科学领域 30 位青年科学家，美国科学研究荣誉学会Sigma Xi正式会员，美国真空学会 (AVS) 纳米级科技部早期职业奖等荣誉称号。
Prof. Deep is a professor in the School of Materials Science and Engineering at the University of Pennsylvania. He has made contributions to the research of charge transport and electronic applications of two-dimensional (2D) semiconductors, and pioneered the study of adjustable gate, hybrid dimensional, and van der Waals heterostructures at Northwestern University. In August 2015, Deep joined the California Institute of Technology as a Resnick Award postdoctoral researcher. His goal is to study strategies to enhance the light-matter interaction in the two-dimensional system of high-efficiency, ultra-thin optoelectronic devices. Deep’s research is at the intersection of solid-state optoelectronics and emerging low-dimensional materials, combining new technologies for assembling, growing, and integrating nanostructured materials, including molecular materials and the most advanced nanomanufacturing methods, to create new types of electronic and photonic devices.
项目背景
人工智能芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块。人工智能芯片可通过模仿人脑神经网络结构，用一条指令即可完成一组神经元的处理。这一计算模式在做识别图像等智能处理时，效率比传统芯片高几百倍。目前人工智能芯片已经广泛应用于图像识别、语音识别、智能安防、智能驾驶、消费类电子等领域。
Artificial intelligence chips are also called AI accelerators or computing cards, which are modules dedicated to processing a large number of computing tasks in artificial intelligence applications. Artificial intelligence chips can complete the processing of a group of neurons with one instruction by imitating the neural network structure of the human brain. This computing mode is hundreds of times more efficient than traditional chips when doing intelligent processing such as image recognition. At present, artificial intelligence chips have been widely used in image recognition, speech recognition, intelligent security, intelligent driving, consumer electronics and other fields.
项目介绍
科研成长双阶段 · 青年科学家培养计划
阶段一：7周在线小组科研组成科研小组，在导师带领下完成一个真实的科研项目。重点培养科研兴趣、团队协作与基础研究方法。初步体验从选题、文献查阅等的完整科研流程。
阶段二：16周论文指导（教授亲授关键节点）进入更长周期的深度研究，由资深导师全程陪伴。教授三次一对一亲授，把控选题、论文框架与最终成果，确保学术质量。逐步完成一篇具备高学术水准的科研论文，锻炼独立研究能力。
整体路径：从科研启蒙到学术深耕通过“小组科研的专业课程训练”到“长周期论文深度研究”的连续进阶，让学生从入门走向独立研究，逐步培养成为具备国际视野与科研素养的青年科学家。
项目大纲
纳米级半导体及其特性 Nanoscale semiconductors and their properties
纳米级电子器件和传输、光与物质相互作用 Nanoscale electronics devices and transport + Light-Matter interactions
pn结型二极管p-n与光电器件 junction diode, Optoelectronic devices
晶体管、存储设备与传感器Transistors, memory devices and sensors
纳米电子硬件的当前趋势以及在人工智能和大数据中的应用 Current trends in nanoelectronics hardware and application to AI and big-data applications
学术研讨1：教授与各组学生探讨并评估个性化研究课题可行性，帮助学生明晰后续科研思路，内容详见大纲 Research Workshop I
学术研讨2：学生将在本周课前完成初步文献回顾，教授将根据各组进度进行个性化指导，确保学生优质的终期课题产出，内容详见大纲 Research Workshop II
项目成果展示 Final Presentation
论文指导 Project Deliverables Tutoring
项目收获
7周在线小组科研学习+16周一对一论文指导学习「教授亲授关键节点」
项目报告
获主导师Reference Letter
IEEE/EI/Scopus或同等级别索引国际会议研究型论文全文投递与发表指导（可用于申请）
结业证书
成绩单
iCANX达沃斯峰会论坛获邀机会