深圳国际量子研究院举办第十一期卓粤工程技术论坛

4月16日下午，由深圳国际量子研究院主办、深圳市量子信息学会协办的第11期卓粤工程技术论坛在319报告厅召开。本次论坛围绕EBL系统中的电子信号成像技术及其工程应用、AI辅助实验代码整理的高效方法，以及多Agent AI工程化的创新实现思路与落地实践等前沿议题展开交流与探讨。

《EBL系统中电子信号成像技术

与工程实现》

在高端微纳制造与精密检测领域，电子束曝光（EBL）系统大显身手，而电子信号成像技术是其关键支撑。其不只是观察样品信息，还承担对准、调焦和系统标定等重任，成像结果更是工艺优化与闭环控制的重要反馈，直接影响加工精度、测量准确性和系统可靠性。

图1 刘海洋工程师分享报告

工程师刘海洋讲解了信号电子在样品中经历复杂散射，通过对信号电子能谱及空间分布的研究，我们能够深入了解样品内部的微观结构。专门的采集探测器可精准捕捉信号电子，转化为图像信息。在EBL系统里，它助力加工位置标定、系统聚焦调节和加工样品检测，精准定位、清晰反馈、发现缺陷，为产品质量严格把关。随着科技的不断进步，电子信号成像技术将发挥更加重要的作用。

《Al辅助实验代码整理》

工程师袁嘉豪指出，当前实验代码管理面临诸多挑战，如多版本散乱、大量废弃注释、命名不规范以及缺乏有效的版本控制机制等，这些问题显著降低了科研效率。随着大语言模型技术的快速发展，AI辅助实验代码整理成为解决上述问题的有效途径。AI工具能够系统性地分析历史代码，精准识别并保留有价值的逻辑结构，同时提升代码的可读性和可维护性。具体而言，AI可辅助完成Jupyter Notebook的清理与精炼，合并重复函数版本，清理废弃代码，并帮助建立规范的Git工作流，包括仓库配置、分支管理等。通过引入AI辅助代码整理，科研人员能够将更多精力聚焦于核心研究工作，从而提升整体科研效率。

图2 袁嘉豪工程师分享报告

《多Agent AI工程化实现思路

及落地实践参考》

工程师张恒宁在分享中指出，当前AI技术在科研工程场景落地时，常面临链路不完整、场景适配性不足等挑战。自动校准等高频工程任务，迫切需要AI具备更强的流程化处理能力。为此，报告梳理了AI应用从单点识别向多Agent流程接管的发展路径。通过拆解行业标杆多Agent系统的工程设计逻辑，揭示了如何通过多Agent协作提升系统整体效能。同时，结合落地实践，总结了关键基建组件与实现思路，如任务拆解、工具调用、状态同步等机制的设计。这些经验为我院各方向的AI工程化探索提供了宝贵参考，有助于推动AI技术在科研工程中的深度融合与创新应用。

图3 张恒宁工程师分享报告