科技日报记者 陈曦
在天津大学天津市过程检测与控制重点实验室，一群“80后”“90后”科研人员正在“工业检测”智能边界开疆拓土。他们以新一代科技工作者的敏锐与胆识，推动实验室的核心能力向更智能、更微型、更融合的方向升级，并将技术“触角”延伸至医学、低空等交叉领域。
为工业管道装上“透视眼”
“精度更高，体积更小，我们最终的目标是这个设备能像一个手环一样，‘穿戴’在工业管道的关键部位对其内部状态进行实时监测。”“90后”天津大学副研究员梁光辉站在实验室团队自主研发的工业过程层析成像仪器前说。
梁光辉面对的，是能源、化工等工业领域长期存在的“黑箱”难题——在高温高压的密闭管道或容器中，气、液、固多相介质混合，过程流动状态无法直接观测。梁光辉所在团队从测试原理、传感器优化、模型与算法迭代到软硬件集成展开全链条攻坚，研制出能窥见“黑箱”内部状态的关键设备。
然而，技术落地之路充满挑战。梁光辉的电脑里存满了“一线记忆”：在深汕铁路地下70多米轰鸣的盾构机出浆管旁，于狭小空间蜷身调试设备；在海拔千米的煤层气集输管线旁，顶着寒风安装检测设备；在偏远的油气井场检测设备旁，披星戴月地调试软件。“技术要落地，就必须真正理解现场的复杂性、严苛性和不确定性。”梁光辉感慨地说。
对一线情况的了如指掌，让他们的技术能深深扎根。如今，他们的设备已在中铁装备的盾构机泥水环路里，精准测量出浆密度；在中联煤层气集输管线上，实时监测管道流通状态；在中海油井下油气生产中，在线监测井下流动状态。“企业面临的痛点，就是我们科研的起点和终点。”梁光辉说，如今团队正致力于为中国工业装备装上更敏锐的“感知神经”。
用微型芯片“破译”大脑信号
如果说梁光辉致力于“看见不可见”，那么38岁的天津大学教授孙彪则致力于解读世界上最复杂的信号——大脑的电活动。他的研究听起来颇具科幻色彩：用微型芯片“翻译”神经信号，探索“读取”记忆与情绪的密码。
孙彪的科研路径是多学科交叉的产物。他以物理学的思维框架、电子工程的实现手段、医学的应用导向，破解了神经信号采集难题。“传统方式像用细水管应对‘数据洪流’。”孙彪说，团队提出“分析稀疏”理论，将深度学习引入信号压缩，设计出能高效处理数百通道神经信号的专用芯片，为海量脑电数据采集修建了一条低功耗的“高速公路”。
采集之后，是更艰难的解读。个体差异性决定了脑机接口解码算法需因人而异，传统方法训练的模型难以适配广泛人群。孙彪团队另辟蹊径，开发“模型数据双驱动”的解码框架，让解码算法能自主适配不同大脑，使技术更具普适性。
现在，孙彪将目光投向了更具挑战性的记忆。“我们正在研制‘感知—存储—解码—调控’一体化的植入式芯片。”他介绍，它不再是传统的检测仪器，而是一个能与神经系统“对话”的交互平台，通过神经采集与神经刺激的闭环协同工作，来尝试理解乃至影响记忆的编码规律。
“记忆形成的机制是脑科学的终极谜题之一。”孙彪坦言，“唯有持续融合微电子、神经科学和人工智能，我们才可能一步步接近答案。”在他的蓝图中，这项研究不仅关乎前沿探索，更指向未来脑疾病治疗、新型人机交互等广阔应用。
使无人机集群拥有“群体智能”
随着低空经济纳入国家规划，实验室博士后常思远深感责任重大。他的目标是让无人机从“执行程序的机器”进化为“拥有自主协作能力的智能体”。
这要求同时攻克“协同感知”与“协同控制”两大堡垒。常思远和团队里的“90后”伙伴们，从自然界的蜂群、鸟群中汲取灵感。他们搭建了多机协同平台，构建分布式感知网络，并引入类脑视觉处理机制，使无人机集群能像蜂群一样，实时共享信息、拼合环境全景，真正“看见”并“理解”周围世界。
更大的突破在于控制逻辑的革新。他们基于类脑决策与具身智能理念，设计了自适应协同控制算法。这套算法让无人机集群摆脱了机械执行代码的桎梏，获得了类似生物群体的“本能”——能够像鸟群一样，根据动态环境自主规划航线、灵活分配任务、自适应调整队形，极大提升了复杂场景下的作业鲁棒性与安全性。
“未来的低空经济，不应只是飞行器的简单叠加，而应是智能的涌现与共生。”常思远的脑海中勾勒出这样一幅未来景象：在应急救援中，无人机集群将成为能听懂“灾区语言”的高效搜救员；在电力巡检线上，无人机集群将化身拥有“锐利直觉”的体检医生；在城市空中，无人机集群构建起自主协同的智慧交通节点。现在，他和团队正致力于将这种生物启发式的智能，注入每一架无人机，让低空经济真正“活”起来，安全、高效地服务于国计民生。
（本文图片由受访者提供）
网友评论
