南京大学李涛教授、宋万鸽副教授团队联合香港大学张霜教授团队注意到，拓扑态通常出现在不同拓扑相的界面处且呈现局域模式，其精确操控极具挑战性，因此他们提出了一种通过引入人工规范场来按需塑造拓扑模式的通用策略。为此，他们设计了包含标量、矢量和虚数规范势的人工规范场体系，并结合人工神经网络对模式轮廓进行逆向设计。在具体实现上，他们利用这些规范场精确调控拓扑模式相对于体模式的耗散行为，实现从局域态到完全退局域态的连续过渡；同时借助神经网络优化本征模式，使得所获得的拓扑态在光谱上与体带保持分离，且损耗远低于其他模式。最终，他们在硅光子芯片平台上实验验证了该方法的可行性，成功实现了对拓扑模式轮廓的灵活操控。
研究成果于2026年4月4日以题为“Artificial gauge fields for sculpting topological modes on photonic chips”发表在《Nature Communications》上。
