2022 年，刘癸庚遇到了博士期间最难回答的一道题。
从 2019 年开始，他与合作者研究三维光子陈绝缘体。实验已经完成，论文也进入了返修阶段，但编辑和审稿人始终追问：这个系统究竟只是把二维结构叠加到了三维空间，还是产生了真正属于三维的新物理？
他们从一开始就知道三维陈绝缘体具有很大价值，然而，真正的困难在于，这种价值还没有被充分发掘出来。他们已经做出了结构，也看到了实验结果，却始终差最关键的一步：三维究竟带来了什么？
“就像有一座山，你明明知道山顶就在那里，但就是找不到上山的路。”
那几个月，刘癸庚每天除了短暂睡眠，其他时间几乎都在争分夺秒地思考和计算，想找到问题的答案。他与导师张柏乐开始尝试：如果把两个具有不同陈矢量的三维光子陈绝缘体拼接起来，它们交界面上的表面态会形成怎样的结构？
他们发现，表面态的等频线可以在动量空间中形成环面纽结与链环，并用“陈矢量”描述三维体拓扑与不同晶面表面态之间的对应关系。距离返修截止不到一个月，他们补做实验、重新组织论文，最终将成果发表于 Nature。
此后，刘癸庚继续研究三维拓扑光子学。后来他还在三维光子晶体中实现了具有半量子化表面陈数和单向手性铰链态的光子轴子绝缘体，相关成果于 2025 年发表在 Science。
2026 年 7 月，刘癸庚入选《麻省理工科技评论》2025 年度“35 岁以下科技创新 35 人”中国区名单。
如今，他是西湖大学工学院特聘研究员、助理教授。成为独立 PI 后，他开始思考一个新的问题：这些基础物理能不能进一步变成芯片，最后进入真实的通信系统？
目前，他把太赫兹芯片与通信作为团队的一条研究主线，希望构建连接云端、边缘计算与机器人、无人机的高速无线链路。他把它称为连接“AI 大脑”与“AI 身体”的神经。
很多结果只是来得晚了一些
DeepTech：哪些经历真正影响了你后来做研究的方式？
刘癸庚：我小时候在农村长大，祖辈都是务农，家里能够提供的教育资源比较有限。四年级时，父亲尽了最大努力把我从农村转到县城读书，因为担心跟不上，又重新读了一次四年级。我当时的成绩非常差，被归类到班级的“差生”。
那一年，我自己坐车从学校回农村家里，路上又发生了车祸，一整个学期几乎都在医院。因为课程以前学过，我就在医院里自学，期末回去参加考试，结果考了第一名。这件事给了我很大的信心：起点和过程可能不如别人顺利，但只要一直往前走，结果未必会差。
那次车祸以后，我对很多事情都看得比较开。如果当时运气再差一点，可能就没有后来的我了。我一直比较乐观，可能也和这段经历有关。遇到问题时，我通常先想还有什么办法，很少觉得一件事已经彻底没有希望。
后来论文迟迟没有发表、留学申请不顺利，或者研究方向不被看好，我都能接受结果暂时没有出现。有些事情当时看起来很严重，几年以后再回头看，可能只是走得慢了一点。
DeepTech：什么时候你决定要从事科研工作？
刘癸庚：小时候读过一本讲自然科学史的书，里面的科学家通过新的发现改变了人们理解世界的方式。那时觉得科学家很了不起，但我并不知道应该怎样成为科学家。
真正补上这种认识，是进入南开大学物理伯苓班以后。伯苓班是国家“基础学科拔尖学生培养试验计划”的一部分，每届人数不多，采用小班教学，配有班导师，定位就是要培养未来从事基础科研的科学家。
伯苓班对我最大的影响，是让我很早就接触到了真实的科研。老师会告诉我们科研是一种怎样的职业，怎样读论文、做报告、进入实验室，也会介绍海外博士项目和科研实习。以前我只是对科学感兴趣，进入伯苓班以后，我才逐渐知道这条路具体应该怎样走。
有一件小事我印象很深。过去我一直以为出国留学需要家庭承担很高的费用，后来老师告诉我们，很多博士项目会提供奖学金。现在看只是一个常识，但对当时的我来说，它补上了一个很重要的信息差。很多时候，一个人没有选择某条路，只是因为他不知道这条路存在。
DeepTech：伯苓班的科研训练具体给你带来了什么？
刘癸庚：本科阶段，我进入王慧田老师和涂成厚老师的课题组接受科研训练，开始学习读文献、搭实验、调光路、处理数据和写论文。伯苓班后来还资助我去美国中佛罗里达大学进行了近一年的科研实习，开展液晶和空间光场调控方面的研究。
这些经历让我完整参与了一个课题从查阅文献、提出想法、设计实验，到整理数据和撰写论文的全过程。本科期间的成果出来得比较晚，但我接受了非常系统的科研训练，也很早就经历了科研路上的挫折和迷惘。后来进入新的研究方向时，我能够很快上手，主要依靠的就是这些积累。
DeepTech：为什么放弃保研，选择出国读博并 gap 一年？
刘癸庚：我本科阶段去过很多课题组实习，包括大四一整年都在中佛罗里达大学实习。这些经历让我接触到了不同的科研环境，也进一步坚定了我出国读博的想法。我希望多去其他地方走走，看看不同的课题组怎样选择问题、怎样开展研究。所以本科毕业时放弃了保研资格，把主要精力放在英语考试和海外申请上。
但我小时候几乎没有接受过英语听说训练。虽然高考英语成绩不错，但我参加高考时，英语考试并不考查听力和口语，平时也几乎没有接受过听说训练。托福考了几次都只有九十多分，GRE 成绩也不理想。更重要的是，本科期间做的项目还没有完成，论文也没有发表。身边的同学陆续拿到录取，我毕业时却没有学校可去，那段时间确实会怀疑自己。
当时我需要作出选择：继续把大量时间花在英语考试上，还是先把已经开始的科研项目真正做完。我觉得科研能力才是申请博士最重要的基础，所以决定 gap 一年。毕业以后，我在南开附近租了房子，一边准备英语，一边继续实验和写论文。2017 年年底到 2018 年年初，相关工作陆续发表。
这些成果让我重新建立了信心。gap 一年后，我凭借这些论文顺利加入南洋理工大学张柏乐老师和 Chong Yidong 老师的课题组。博士阶段进入了一个新的研究方向，但本科积累的科研能力让我很快上手并适应。进入课题组一两个月后，第一个课题就已经基本成形，后来发表在 Nature Communications。这项工作让我更加确定，之前对自己的判断没有错，我有能力做出高水平的学术成果。
方向没有错，只是最深的价值还没有被挖出来
DeepTech：三维光子陈绝缘体这个课题是怎么开始的？
刘癸庚：最初的问题很直接。二维陈绝缘体已经得到了广泛研究，它最典型的特征是能够支持单向传播的边缘态。包括著名的量子反常霍尔效应就可以看作电子体系下陈绝缘体最典型的物理表现之一。我们想知道，陈绝缘体到了三维会是什么样：应该用什么拓扑量描述？三维体态与不同晶面上的表面态怎样对应？不同表面之间是否存在二维系统中没有的联系？
我们从 2019 年开始研究这个问题，选择磁性光子晶体作为实验平台。它能够打破时间反演对称性，适合研究陈型拓扑相。这个方向当时已经沉寂了一段时间，实验也比较难做，但我从第一天起就认定它有很大的价值。维度从二维增加到三维，拓扑描述和体—面关系都会发生变化，里面一定存在很深刻的新物理。问题只在于，我们能不能把它找出来。
DeepTech：你们已经做出了三维结构和表面态，为什么仍没能说服审稿人？
刘癸庚：因为审稿人问到了这个工作的根本：相对于二维陈绝缘体，三维系统究竟增加了什么新的物理？
我们当时已经做出了三维结构，也观测到了表面态，但二维陈绝缘体同样具有边缘态。仅凭这些结果，还不足以说明三维体系的独特性。我们对这个方向的判断没有改变，只是意识到自己挖得还不够深。必须找到一个真正属于三维体系的物理对象，把拓扑性质、体—面关系和实验观测联系起来。
DeepTech：近三年没有找到最关键的物理，你当时是什么状态？
刘癸庚：非常难受。就像有一座山，你明明知道山顶就在那里，但就是找不到上山的路。
正因为我们知道重要的物理一定就在里面，迟迟找不到时才更加着急。那几个月的工作量可能比前面两三年加起来还大。我们反复做计算、补实验，也不断换角度理解已有的结果，最后始终回到同一个问题：三维性究竟体现在哪里？它比二维系统多出来的那一层物理到底是什么？
DeepTech：这个问题最后是怎么解开的？
刘癸庚：有一次我和张柏乐老师讨论，我们把目光转向两个三维体系的交界面：如果把具有不同陈矢量的三维陈绝缘体拼接起来，交界面上的表面态会发生什么？
计算以后，我们在动量空间中看到了具有环结和链环结构的表面等频线。这些结构与两侧体态的陈矢量直接相关，后来被我们总结为一种新的体—面对应关系。
到这一步，三维系统独有的物理终于清楚了。二维陈绝缘体通常用一个陈数刻画，三维陈绝缘体则需要一个带有方向信息的陈矢量。它决定了不同晶面上表面态的整体分布和传播方向。当两个陈矢量不同的三维体系相接时，表面态还可以在表面布里渊区形成环面纽结和链环。这类结构无法出现在二维陈绝缘体的一维边界动量空间中。
当时距离返修截止已经不到一个月。我们马上补做实验，把这一部分写进论文。修改稿交回去以后，整项工作的逻辑就顺了。我们终于找到了那个一直存在于体系之中、却让我们寻找了近三年的物理。
DeepTech：这段经历后来怎样影响你做科研？
刘癸庚：这段经历让我更加相信，一个研究方向的价值往往可以很早判断，但要把其中真正重要的物理找出来，可能需要很长时间。
我们从一开始就知道三维陈绝缘体值得研究，只是一直没有找到最关键的物理。陈矢量和新的体—面对应关系最终把这个问题讲清楚了，也让我们最初的判断变成了可以计算、可以实验验证的结果。现在面对一个重要问题，我会更有耐心，也会不断追问：这个体系中最本质、最独特的物理究竟是什么？
DeepTech：后来发表在 Science 的光子轴子绝缘体，延续了这条思路吗？
刘癸庚：是的。我们仍然在追问，三维拓扑系统究竟能提供哪些二维系统中没有的物理。
三维陈绝缘体主要由整数陈矢量描述。轴子绝缘体属于另一类三维拓扑相，其表面可以具有半量子化的表面陈数。相邻表面的表面陈数存在差异时，铰链处会形成单向传播的手性态。
我们在三维光子晶体中实现了这种状态，并研究表面态和铰链态怎样组合成复杂的三维单向通道。光可以沿晶体表面传播，也可以转移到不同铰链，在三维空间中重新组织传播路径。从三维陈绝缘体到光子轴子绝缘体，我们一直在沿着同一个问题向下走：三维拓扑究竟能够带来什么真正属于三维的新物理？
我不喜欢把“正在变热”当成依据
DeepTech：你经常说自己不喜欢追热点。为什么会重新进入当时已经相对沉寂的磁性光子晶体？
刘癸庚：我不反对热点。一个方向变得热门，通常说明它确实有吸引人的地方。但我不会因为大家都在做，就觉得自己也应该做。
我选择磁性光子晶体，是因为它和拓扑光子学最初的愿景非常接近。通过打破时间反演对称性，可以实现受拓扑保护的单向电磁传输。这个物理图像很干净，也很本源。
拓扑光子学的早期开创性工作之一，就是我的另一位博士导师 Chong Yidong 老师在攻读博士期间参与完成的。那项研究采用的也是磁光光子晶体。此后，拓扑光子学发展得很快，但继续在这一体系深入研究的人反而不多。一方面是实验难，另一方面是大家觉得能做的可能已经做完了。我当时的判断是，这个方向还有重要问题没有解决，所以把它重新捡了起来。
冷门本身没有价值。真正重要的是，它是不是位于一个学科的主线上，还有没有关键问题被遗漏。
DeepTech：你怎样判断一项研究是不是足够重要？
刘癸庚：我会沿着学科发展的历史去看。
可以假设自己站在五十年甚至一百年以后。那时的人回头讲述今天这段历史，会不会提到你的工作？如果他们讲陈绝缘体从二维走向三维，哪些问题一定绕不开？
这种判断不一定准确，也有运气的成分。但它可以帮助我区分一件工作究竟是短期受到关注，还是在学科发展中确实占有一个位置。
DeepTech：坚持一个冷门方向和固执之间，往往只有一线之隔。你怎么区分？
刘癸庚：在结果出来以前，其实很难完全区分。很多时候，人们是根据结果倒推的。没有做出来时，别人觉得你固执；有一天做出了重要结果，大家又会说这是坚持。
我能做的是不断检查问题本身。如果新的证据说明原来的路线走不通，我就换一种方法；如果问题仍然重要，就继续做。例如，三维陈绝缘体的总体方向没有变，但审稿人的质疑促使我们彻底改变了思考问题的方式。
我坚持的是问题，不是某一种具体做法。
成为PI以后，最重要的是判断和配置资源
DeepTech：为什么选择回国并加入西湖大学？
刘癸庚：我原本计划博士毕业后继续做博士后，后来看到西湖大学招聘PI，就抱着试一试的想法申请。
面试和实地了解以后，我发现这里很接近我想象中大学应该有的状态。学术环境很纯粹，效率也很高，不同学科之间合作非常方便。对于我现在做的工作，这一点很重要，因为从基础物理到芯片、通信和机器人系统，需要很多不同背景的人一起参与。
DeepTech：从自己做研究变成独立PI，最大的变化是什么？
刘癸庚：以前一项工作从计算到实验，我都可以自己完成。现在团队同时推进多个方向，我无法再亲自做完每一个细节。
我的主要任务是判断哪些问题值得投入，应该安排什么人，需要寻找哪些合作资源。学生和博士后负责具体研究，我主要把握核心物理图像和整体方向。他们遇到困难时，我要尽快判断问题出在哪里，再想办法找到合适的人和资源。
如果什么事情都自己抓着，最后团队很难真正发展起来。
DeepTech：你希望建立一种怎样的实验室文化？
刘癸庚：我希望实验室的氛围是轻松的，但每个人都有很强的内在驱动力。大家认真做科研，不是因为每天有人监督，而是因为自己确实想把事情做好。
我对学生的方向比较开放。他们不一定要完全按照我的想法做。只要一个问题有意义，经过了充分调研，也能拿出证据说服我，我就愿意支持。
做一条完全熟悉的路线，结果通常比较容易预料。新的问题风险更高，但可能带来更有意思的结果。
DeepTech：你们还在开发融合 AI 的有限元仿真工具，这和目前的研究是什么关系？
刘癸庚：我们最初做这个工具，就是为了解决自己在研究中遇到的问题。团队每天都要做大量电磁场仿真，尤其在研究拓扑结构和太赫兹器件时，一些特殊的计算很难直接用通用商业软件完成，因此需要自己写程序、搭建优化流程。
目前我们已经做出了内部原型，能够解决团队的大部分仿真问题，也可以辅助优化太赫兹芯片设计。AI 可以协助建模、设置参数和组织优化过程。现阶段，这个工具主要服务于团队内部研发，帮助我们更高效地设计和优化太赫兹芯片。未来时机成熟，也会推向市场。
为什么需要更高速的无线通信，为什么是太赫兹
DeepTech：你现在主要在推进哪些方向？
刘癸庚：一部分工作继续研究基础物理，包括拓扑物理、非厄米物理和新的电磁调控机制。另一部分工作集中在太赫兹芯片与通信。
我们希望把基础机理用于太赫兹通信波导、天线、调制器件、片上信号处理和控制单元，逐渐形成太赫兹通感一体化芯片模组。芯片集成、小型太赫兹基站，以及面向机器人、无人机的通信感知一体化验证，是我们目前的研究重点。
DeepTech：为什么 AI 时代需要更高速的无线通信？
刘癸庚：我觉得未来的 AI 会分成两个重要部分。云端和边缘侧的高性能计算平台，相当于 AI 的大脑；机器人、无人机等智能设备，相当于 AI 的身体。
现在很多机器人的“小脑”已经很强，运动控制和即时反应做得很好，但“大脑”仍然受到本地算力、功耗和体积的限制。真正强大的模型大多部署在云端或者边缘服务器上，怎样让机器人方便地调用这些算力，会成为一个很重要的问题。目前市场更多地关注怎样造出更强的“大脑”和“身体”，对如何把两者高效连接起来的关注还不够。
机器人当然会保留本地控制，尤其是安全和即时反应相关的功能。更复杂的模型推理、多传感器融合和多机协同，可以放到边缘侧或者云端。两边的数据必须传得足够快，时延也要足够低。
现在的 5G 可以传输经过压缩的4K视频。但未来的机器人可能同时产生多路视觉、深度、雷达和其他传感数据。以 3,840×2,160、60 帧、每像素 24 位的 RGB 视频为例，仅有效像素的