（通讯员：杨尚霖 魏金鑫 吕强）近日，新葡京澳门-澳门新葡京官网 智能视觉工程团队联合兰州大学、东南大学、南京大学、中国科学院空天信息创新研究院等研究单位，构建了深度学习赋能的可编程拓扑电路平台“河图”（HeTu），在可编程拓扑电路与人工智能融合物理设计研究方面取得重要进展。该研究首次实现了拓扑电路中局域势与耦合强度的全域独立连续调控，并融合物理图引导的深度学习模型，赋予系统智能逆向设计能力。借助该平台，研究团队实验观测到无全局对称保护的高阶拓扑角态、经典电路中的类朗道能级平带，首次实现安德森局域化的逆向定点生成，并演示了基于物理机制的信息加密与产品防伪应用。该成果以“Deep-learning-empowered programmable topolectrical circuits”为题发表于《Nature Communications》，兰州大学贾浩与新葡京澳门 杨尚霖为共同第一作者，尚策研究员、赖耘教授、崔铁军院士为共同通讯作者。

“河出图，洛出书，圣人则之。”该平台命名“河图”，以中国古典意象映射现代拓扑图论，亦寄望它成为探索拓扑物态的“源图”。拓扑物态是凝聚态物理与人工结构材料领域的前沿方向，许多新奇拓扑现象源于量子体系，但在真实量子材料中的实验验证常受低温、材料制备等限制。拓扑电路以电路网络模拟量子晶格模型，可在室温下观测复杂拓扑现象，为这一难题提供了灵活的替代路径。然而，传统拓扑电路通常由固定元件焊接而成，一组电路只能对应一种或少数几种模型，且在高维参数空间中缺乏逆向设计能力。

深度学习赋能的可编程拓扑电路平台示意图

“河图”平台突破了上述限制，实现了电路哈密顿量中局域势与耦合强度的全域独立连续可编程，无需更换任何器件即可在不同物理模型间切换。在此基础上，研究人员将拓扑电路的连接关系和紧束缚物理规律作为先验信息嵌入深度学习模型，提出了物理图引导（Physics-Graph-Informed）的神经网络框架，不仅能快速预测复杂无序体系中的物理响应，还能根据目标反向生成相应电路参数，使“按需设计物理现象”成为可能。

依托该平台，研究人员完成了系列实验验证：在无全局对称性保护的条件下观测到高阶拓扑角态及其绝热相变过程；在经典电路中实现了与朗道能级对应的全平带特征；结合深度学习生成模型，实现了安德森局域化的逆向设计与任意位点定点生成，突破了传统局域化研究中位置不可控的瓶颈。进一步地，研究人员将安德森局域化的物理哈希映射特性拓展到信息功能领域，提出基于物理机制的概率式信息加密方案，实验演示了跨高校的文本加密传输与产品防伪识别。

物理安德森局域化机制驱动的信息加密和防伪示意图

该研究将可编程硬件、拓扑物理与深度学习逆向设计有机结合，推动拓扑电路从固定模型验证走向可重构、可设计、可应用的智能物理平台，为复杂物理体系模拟及物理机制驱动的信息功能开发提供了新的实验范式。研究得到国家重点研发计划、国家自然科学基金和中国科学院相关项目等支持。兰州大学贾浩、澳门新葡京官网杨尚霖为共同第一作者，

论文DOI：10.1038/s41467-026-72901-y