# NTU张柏乐教授团队新突破 AI破解拓扑分类难题
URL: https://www.shicheng.news/v/Lr0oM
Published: 2026-08-25
Source: 狮城新闻
张柏乐
新加坡南洋理工大学教授、助理院长
人工智能不只能写文章、识别图片，现在还开始帮物理学家解决复杂的理论难题。
南洋理工大学（NTU）张柏乐教授参与的一项研究，将无监督机器学习引入非厄米拓扑系统的分类。研究人员开发出一种新的AI方法，在**不预先依赖特定拓扑不变量**的情况下，让算法自行识别不同的拓扑相，为研究复杂拓扑系统提供了一条新的思路。
## 拓扑相怎么分类 一直是个难题
在物理学中，“拓扑”可以用来描述一些不会因为轻微扰动而轻易改变的整体性质。过去几十年，拓扑相研究快速发展，科学家也建立了各种“拓扑不变量”，用数学方法判断不同系统属于哪一种拓扑状态。
问题在于，**并不存在一种能够适用于所有系统的通用拓扑不变量**。
尤其是在非厄米系统中，情况更加复杂。现实中的一些开放物理系统会涉及能量增益、损耗或非互易耦合等现象，它们可以用非厄米哈密顿量描述。与传统厄米系统相比，这类系统能够呈现更丰富的拓扑结构，也给分类带来了新的挑战。
传统方法往往需要研究人员先找到合适的拓扑不变量，再判断系统属于哪一种拓扑相。但如果现有不变量无法描述某些特殊拓扑结构，就可能出现遗漏。
于是研究团队提出了一个问题：
**能不能不先告诉AI应该寻找哪一个“答案”，而是让它自己从数据中发现不同拓扑相之间的区别？**
## 不先给标准答案 让AI自己找规律
这一次，研究人员采用的是**无监督机器学习**。
与普通图像识别不同，这里的AI并不是通过观看光束照片或者衍射图样来判断拓扑性质。研究人员向算法输入大量具有不同对称性的非厄米哈密顿量样本，让AI寻找这些数据之间隐藏的结构差异，并自动把具有不同拓扑性质的系统区分开来。
最关键的一点是，这套方法**不需要事先指定某个拓扑不变量作为判断标准**。
研究团队进一步利用这种方法，对不同对称类别下的非厄米系统进行分类，并通过计算重新构建相应的拓扑周期表。研究还将边界效应纳入分析，使算法能够进一步研究开放边界如何影响系统的拓扑相图。
换句话说，研究人员不是让AI去“寻找一个已经知道的公式答案”，而是希望AI从大量物理数据中主动发现哪些系统在拓扑意义上属于同一类、哪些属于不同类别。
这也是AI for Science越来越受到关注的原因之一——AI不只是加快已有计算，也可能帮助科学家从复杂数据中找到过去容易被忽略的规律。
## NTU参与研究 为拓扑物理提供新工具
论文题为 **Unsupervised classification of non-Hermitian topological phases under symmetries**，发表于国际学术期刊 \*National Science Review\* 2026年第13卷第1期。论文作者包括**龙洋（Yang Long）、Haoran Xue和张柏乐（Baile Zhang）**。
其中，**张柏乐教授**来自南洋理工大学数理学院物理与应用物理学部，同时隶属于NTU颠覆性光子技术中心（Centre for Disruptive Photonic Technologies），并担任论文通讯作者之一。NTU官方资料显示，张柏乐目前为物理学教授及President’s Chair in Physics。
**龙洋**的官方中文姓名则由同济大学官网确认。他曾于2021年至2025年在NTU担任Research Fellow，2025年加入同济大学物理科学与工程学院。论文署名中同时列有同济大学和NTU；另一位作者Haoran Xue来自香港中文大学，因此更准确地说，这是一项**由NTU研究人员参与的跨校合作研究**。
研究团队认为，这种无需预先依赖特定拓扑不变量的分类方法，可以为非厄米拓扑理论和实验研究提供新的工具，并为未来探索新的非厄米拓扑系统及相关器件提供参考。
它距离手机芯片、量子计算等具体产品应用还有相当长的距离，但从基础研究角度来看，AI正在从“处理数据的工具”，逐渐成为科学家探索复杂物理规律的新助手。
📌 要点总结
✦ **NTU参与AI拓扑研究**张柏乐教授等研究人员利用无监督机器学习，对具有不同对称性的非厄米拓扑系统进行分类。
✦ **不依赖预设拓扑不变量**新方法可以直接从哈密顿量数据中寻找不同拓扑相之间的区别，减少传统分类方法对特定拓扑不变量的依赖。
✦ **为复杂拓扑研究提供新工具**研究不仅实现了不同非厄米拓扑相的自动分类，还重建了相应的拓扑周期表，并进一步考虑了边界效应。
当AI开始帮助科学家寻找连传统数学工具都不容易捕捉的物理规律，你觉得下一次AI还会在哪个基础科学领域带来突破？