三月的校园里满目春光，湖南大学的科研人员也在各自领域绽放了绚丽多彩的“科研之花”让我们一起看看湖大最新的研究成果吧！

近日，湖南大学化学化工学院高兵教授课题组在高价硫中心手性调控领域取得突破，发展了立体选择性配体交换策略，实现六价硫中心手性分子模块化合成。相关研究成果发表在国际化学顶级期刊Nature Chemistry上。

高兵教授课题组近年来主要围绕硫中心手性分子的合成和应用展开研究工作。课题组提出六价硫中心连续配体交换的手性合成策略，类似于春季花园里的果树嫁接，将主干上的原生枝条剪掉，插上不同的果枝并做好修复。然而，对微观分子做手术实现配体交换的分步有序、立体可控是极具挑战性的任务。受硫氟交换点击化学的启发，课题组找到了SOF4分子作为前体，通过三步配体交换反应分别将四根S-F键置换为S=N、S-C、S-N、S-O键等。借助手性配体调控配体交换过程的立体选择性，可以获得任意单一构型的产物。该方法为一系列六价硫中心手性分子的合成提供了一个模块化平台，同时也对点击化学发展具有重要意义。

近日，湖南大学半导体学院陈卓俊副教授团队创新性采用存算一体新型计算架构实现量子启发式算法，提出了稀疏感知自旋运算、耦合系数复用技术以及概率翻转函数近似电路，大幅度提高了系统能效和面积效率。研究团队采用SMIC 55nm CMOS工艺，设计并成功流片一款量子启发式退火处理器芯片。该处理器具有900个自旋节点，支持4bit的耦合系数位宽，支持King’s Graph自旋网络拓扑结构，每个自旋状态更新所需能量仅为2.4fJ，每个自旋的面积仅为402μm2。测试结果表明，该处理器在解决最大割集等组合优化问题时速度比先进CPU快3~4个数量级，功耗低2~3个数量级。

相关研究成果发表在国际集成电路领域顶尖期刊IEEE Journal of Solid-State Circuits，这是湖南省近十年来首次以第一单位在该期刊发表论文。

近日，湖南大学化学化工学院聂舟教授团队取得最新研究进展，开发了一种创新的DNA功能化人工机械力受体（AMR），为机械生物学和生物医学应用开辟了新的可能性。相关研究成果发表在Nature Chemical Biology上。

聂舟教授团队开发了一种从头设计的人工机械力受体（AMR），它是一种模块化的DNA-蛋白质嵌合平台，包含通用的机械感知和传递DNA（GMD）纳米器件。AMR能够将原本不具备机械力感应功能的细胞表面受体（如受体酪氨酸激酶，RTKs）重新编程，使其对特定力刺激产生响应。与传统的基因工程改造方法相比，AMR通过化学合成的DNA纳米器件，以一种无需基因改造的非遗传方式对天然细胞表面受体进行调控，展现了很高的适用性和独特优势。AMR策略为深入探索力学生物学原理以及在再生医学领域开发新型细胞疗法提供了全新的化学工具，具有重要的科学和临床应用价值。

近日，湖南大学生命医学交叉研究院高强副教授课题组在酿酒酵母菌脂滴微脂噬进程调控相关机制的研究中取得最新研究进展。该研究在国际自噬研究领域顶级期刊Autophagy上在线发表。

该研究通过分析不同培养条件下，酿酒酵母中脂滴进入液泡和脂滴表面蛋白降解过程，发现核心自噬基因在这两个过程中的作用是不同的。脂滴表面蛋白的降解过程是依赖于核心自噬机制的，并且是可以独立于脂滴进入液泡过程的。研究还发现在葡萄糖限制的培养条件下，酵母细胞中会激活一种不依赖于核心自噬的脂噬途径，说明核心自噬进程并不是脂滴进入液泡过程的必要条件。进一步研究还发现不同葡萄糖浓度下，细胞整体脂噬水平实际受到自噬依赖和不依赖的两种脂噬途径的协同调控。该发现为进一步揭示酿酒酵母中的脂噬发生机制提供了新的参考，也为哺乳动物中自噬在脂代谢中的功能研究提供了新思路。

近日，工商管理学院管理科学系刘梦麒教授论文在国际权威期刊Production and Operations Management发表。

该论文采用博弈论模型刻画信息共享与两个企业（平台和卖家）定价策略的交互作用。研究了两个企业采用统一或个性化定价策略的四种基本场景。论文研究结果不仅能为平台设计信息共享和价格歧视策略提供决策参考，同时能为监管机构制定更好的监管政策提供理论依据。

近日，湖南大学工商管理学院助理教授沈雅茜（第一作者）、教授张龙（通讯作者）的论文在国际权威管理学期刊Journal of Business Ethics发表。

双重组织认同（DOI）通常被视为对跨国公司及其员工有益。本研究挑战了这一共识，探讨了伦理争议背景下DOI带来的潜在负面效应，尤其是在跨国公司与东道国在某一商业决策上存在立场冲突，同时双方均坚信自身伦理立场正确的情况下。借助角色认同理论，研究者提出在伦理争议情境中，东道国员工的DOI可能引发其工作感知及行为层面的冲突。

近日，湖南大学机械与运载工程学院秦光照教授团队，在芯片散热领域取得了重要研究进展，开创性地构建了一个基于机器学习技术的多尺度模拟仿真框架，成功揭示了宽带隙半导体氮化镓和高导热材料砷化硼所组成异质结构中超高的界面热导，以及晶粒尺寸与界面热阻之间的竞争关系，为芯片散热问题提供了新的解决方案。研究成果发表在Nature Communications上。

采用先进的机器学习技术，秦光照教授团队揭示了氮化镓和砷化硼异质结构之间存在的超高界面热导（260 MW m-2K-1），这主要得益于两种材料之间声子能带结构和晶格振动的高度匹配。这一发现打破了传统散热性能的局限，为电子设备、芯片和集成电路的高效散热提供了可能。该研究成果不仅展现了机器学习技术与热科学结合的巨大潜力，更为解决高功率电子设备的热管理难题提供了有效的技术方案，对未来电子器件的智能热管理具有重要的意义。