University of Bath LURS 奖学金：超导 AI 电力网络

项目概览

University of Bath 的 Department of Mechanical Engineering 正在招收一名全额资助博士生，课题聚焦面向未来 AI 基础设施的高效电力架构。

项目核心问题是：如何把高压直流配电、低温冷却、超导技术与先进热管理结合起来，以支撑高功率密度、低能耗、可扩展的 AI 数据中心。

研究将由 Dr Vincent Zeng 负责对外咨询，公开信息中还列出 Prof Xiaoze Pei 作为联系人/导师之一。

申请页面明确提示该岗位可能在找到合适候选人后提前关闭，因此早申请很重要。

项目详情

该项目面向 AI 计算快速增长带来的数据中心供电挑战。随着算力需求上升，数据中心的功率需求正在以前所未有的速度增加，传统供电与散热方式的压力同步上升。项目介绍将高压直流（HVDC）配电视为未来 AI 基础设施的关键使能技术，并进一步把研究重点放在下一代电力架构上：通过低温冷却和超导技术，实现更高效率、更高功率密度的 AI 数据中心供电系统。

研究内容并不局限于单一部件，而是围绕整套系统协同设计展开。具体而言，课题会考察超导直流网络、低温功率电子器件，以及先进热管理方案之间的集成方式，分析它们在高密度 AI 负载下的可行性、效率收益与工程约束。项目还计划引入 agentic AI 和基于 Omniverse 的 digital twins，用于优化电力系统与冷却系统的协同设计。这意味着学生不仅要处理电气架构问题，也要处理热设计、系统建模和数字孪生驱动的优化问题。

从研究目标看，该博士项目希望把这些技术路线整合成一套面向未来 gigawatt-scale AI factories 的智能化能源基础设施方案。也就是说，研究最终指向的是更高效、更智能、可扩展的 AI 电力网络，而不是单点器件改良。对申请者而言，这类课题通常需要同时理解电力工程、热系统、建模与计算方法，并能在跨学科环境中把理论方案转化为可分析、可验证的系统设计。

项目由 University of Bath 的机械工程系发起，研究环境强调多元与包容，也欢迎来自代表性不足群体的申请者。公开信息还说明，如申请者的教育经历受到特殊情况影响，可以在个人陈述末尾用简短段落加以说明。

申请要点

• 申请者背景：通常应持有或即将获得一等或较好的二等一荣誉学位，或同等学历。

• 加分项：硕士层次学历会更有优势。

• 语言要求：非英国申请者必须满足 University of Bath 的英语语言入学要求。

• 联系方式：可先向 Dr Vincent Zeng 咨询；公开信息还列出 Prof Xiaoze Pei。

• 申请方式：需通过 University of Bath 的在线博士申请表提交，项目属于 Mechanical Engineering 方向。

• 表单要求：必须在 “Funding your studies” 下拉菜单中选择 “University of Bath LURS”，并在 “Your PhD project” 栏目填写导师姓名和项目标题。

• 风险提示：如果没有按要求填写上述信息，申请处理可能延迟，甚至可能错过截止时间。

• 申请时间：建议尽早提交，因为项目说明明确写到岗位可能在找到合适候选人后提前关闭。

• 资助信息：全额资助博士项目，面向全球申请者。

• 额外说明：项目介绍也鼓励来自代表性不足群体的申请者，并允许在申请材料中简要说明影响教育经历的特殊情况。

需要进一步确认

• 奖学金的具体金额、学费覆盖细节和资助年限尚未明确说明。

• 公开信息未单独列出正式申请截止日，只提示可能提前关闭；页面给出的日期应视为当前可用的时间节点。

• Prof Xiaoze Pei 在联系人字段中出现，但正式对外咨询说明只明确提到 Dr Vincent Zeng，导师分工是否完全一致需要进一步确认。

PhD 项目深度调研报告：University of Bath LURS 奖学金项目：超导 AI 电力网络

执行结论

推荐标签：强但需核实匹配度。

这是一个较强且时机很好的应用工程博士机会。项目把 superconducting DC networks、cryogenic power electronics、advanced thermal management、agentic AI 和基于 Omniverse 的 digital twins 放在同一个系统架构里，目标指向未来高密度 AI 数据中心的电力基础设施。其学术信号是可信的：University of Bath 具备较强的英国工程排名和 Mechanical Engineering 博士培养环境，潜在导师团队在低温功率电子、超导直流系统、热集成以及高功率密度电推进方向也有近期论文和项目积累。

这个项目最适合想做物理系统工程博士、并以建模、功率电子、低温技术和热设计为主轴的申请者；如果申请者真正想做的是纯机器学习课题，它的匹配度就会明显下降。当前主要风险不在学校声誉，而在项目执行层面：LURS 的具体资助条款未完全公开，广告可能提前关闭，本轮调研未找到官方项目专页，Zeng 与 Pei 的导师分工尚待确认，Omniverse 工作流、产业数据中心伙伴、算力资源和低温测试设施的实际可用性也未在公开证据中明确。

学校、项目与地点信号

授予学位的环境是英国 University of Bath。Bath 的官方 Mechanical Engineering PhD 页面 说明，该博士通常为四年制全日制项目，研究隶属于 Department of Mechanical Engineering，并可与 Sustainable Energy Systems、IAAPS 等研究中心相连。页面同时指出，该博士支持跨学科和产业合作型研究，鼓励在博士期间发表论文，也提示国际学生可能需要 ATAS clearance。

机构层面的信号较强。Bath 的排名与声誉页面显示，其在 QS World University Rankings 2027 中位列第 125 位，在英国主要榜单中也保持前列，并拥有较好的雇主声誉与可持续发展指标。QS 的独立资料页也给出相同的 2027 年第 125 位结果（见 QS University of Bath profile）。在学院层面，Bath 的Faculty of Engineering & Design 页面显示 Mechanical Engineering 在 Guardian University Guide 2026 中排名第 3、在 The Times and The Sunday Times Good University Guide 2026 中排名第 5，并在 QS subject ranking 2026 中为 =139；Bath 的 REF 2021 页面 还显示工程相关提交中有 96% 处于 4*/3*。

综合来看，这是一个可信的英国工程研究环境，尤其在英国本土工程培养和就业声誉方面表现较强。它并非全球工程领域的绝对顶尖品牌，但 Mechanical Engineering、Electronic and Electrical Engineering、IAAPS 以及应用推进/电气化研究的组合，与高功率密度 AI 基础设施这一题目较为匹配。

导师与实验室评估

导师研究方向

从公开证据看，这个项目背后的导师基础在技术上是连贯的。Dr Vincent Zeng 在 Bath 官方资料中被列为 Mechanical Engineering 的 Reader，同时也是 IAAPS 成员；其主页强调 power electronics、motor drives、hybrid electric vehicles、renewable-energy interface systems 以及过往的 HVDC power-converter 工业经验（见 Vincent Zeng 资料）。

Professor Xiaoze Pei 则被列在 Electronic and Electrical Engineering、EMaCS 和 IAAPS，研究兴趣包括 superconducting fault current limiters、DC circuit breakers、cryogenic power converters 和 renewable-energy integration，并明确表示愿意指导超导在电力系统和低温功率电子方向的博士研究（见 Xiaoze Pei 资料）。

这种分工对该项目是合理的：Zeng 更贴近变流器、HVDC 和系统集成问题，Pei 更贴近超导、低温变流器和直流保护。真正需要核实的是导师治理安排。项目描述把 Zeng 作为 informal enquiries 的联系人，同时又在联系人/导师语境中列出 Pei，但本轮没有找到单独的官方项目页来确认谁是 lead supervisor、谁是 co-supervisor。

近期重要论文

近期论文证据是该项目的重要优势。

第一，Yan、Pei、Wang、Eastham、De Trafford 和 Zeng 于 2026 年发表 IEEE Transactions on Applied Superconductivity 论文，提出一种用于超导电机快速分析的等效电路方法。若项目要把超导硬件设想与 digital twin 或优化流程结合起来，这类快速建模方法会很重要（见 论文）。

第二，Wang、Xi、Zeng、Pei 及其合作者于 2025 年发表 IET Electric Power Applications 论文，研究基于高功率 press-pack IGBT 的低温直流断路器。这与超导直流网络直接相关，因为在低阻抗、高功率 DC 系统中，保护和故障切除是核心难题（见 论文）。

第三，Wang、Xi、Zhang、Hua、Zeng、Brace 和 Pei 于 2026 年发表 IEEE Transactions on Applied Superconductivity 论文，研究用于 HTS motor 集成的低温冷却逆变器热分布问题。这与项目中的 cryogenic power electronics 和 thermal management 主题高度贴近（见 论文）。

第四，一篇 2026 年的 Superconductor Science and Technology roadmap 论文也包括 Pei，文章认为 superconductivity 有望提升高功率系统的功率密度和效率，但同时指出部署障碍。这对领域背景有帮助，但其应用场景仍以交通为主，因此将其外推到 AI 数据中心，只能算是有根据的推断，而不是已被项目直接验证的结论（见 roadmap）。

实验室、资源与合作环境

Bath 的 Department of Mechanical Engineering research 页面 展示了较成熟的研究中心体系、从基础到应用的研究路径，以及与产业和高校的合作。IAAPS 对本项目尤其相关。Bath 将 IAAPS 描述为面向 sustainable mobility、propulsion systems、industrial impact 和博士培养的研究机构（见 IAAPS Institute）。

IAAPS 的设施证据也值得参考，但不能过度解读。其设施页面说明拥有 11,300 m2 的 R&I 场地、实体与虚拟设施、digital-twin 能力、电机/电池/逆变器/推进测试单元、电池模拟以及闭环低温氦冷却（见 IAAPS facilities）。这些资源显然与导师组研究基础相关，但并没有公开证据表明该博士项目一定会获得 IAAPS 设施配额、技术人员时间、产业数据中心伙伴或 Omniverse 许可。

研究方向与领域前景

领域动能

这个方向的外部动能很强。IEA 的 Energy and AI 分析预计，到 2030 年全球数据中心电力消费在基准情景下将大致翻倍，AI 加速服务器以及相关基础设施和冷却需求都会推动增长（见 IEA Energy and AI）。英国政府委托研究同样把数据中心增长与数字服务能耗视为政策和基础设施议题（见 UK government data-centre energy report）。

这一项目切中了现实瓶颈。AI 计算意味着更高的电负荷与热负荷，更高密度机架会逼近传统供电与冷却架构的上限，而数据中心运营方也越来越需要能够同时理解供电约束、散热、并网和运行优化的系统设计能力。Uptime Institute 关于 AI cooling 的分析指出，AI/HPC workloads 会带来高度集中的热管理需求，在更高机架功率下通常需要采用液冷，而极高密度会进一步影响整个设施层面的设计（见 AI cooling analysis）。

digital twins 也并非空泛概念。NVIDIA 的 Omniverse DSX Blueprint 文档描述了 AI factory digital twins，能够把物理和数字数据整合到基于 OpenUSD 的工作流中，并用于 gigawatt-scale AI data centres 的电力、热与运行仿真（见 Omniverse DSX Blueprint）。National Grid 在 2026 年与 Emerald AI、EPRI、Nebius 和 NVIDIA 开展的英国试验，则显示 AI 数据中心可调负载在电网侧具有实际意义：一个 96 张 NVIDIA Blackwell Ultra 的集群可在一分钟内将需求降低超过三分之一，且不影响关键负载（见 National Grid trial）。

可能的研究切入点

较为站得住脚的研究切入点包括：

• 面向高功率密度 AI 数据中心配电的 superconducting DC 架构设计。
• 在 AI 基础设施负载曲线下进行 cryogenic power-electronics 变流器设计与损耗建模。
• 面向低阻抗 superconducting DC networks 的保护与故障管理策略。
• 围绕低温功率电子和冷却系统的电-热耦合建模。
• 将电力、冷却和运行约束联动起来的 digital-twin 协同设计流程。
• 用于设计空间探索的 agentic AI 或优化方法，但前提是它们锚定在经过验证的物理或工程模型上。

比较强的博士论文通常不会把 AI 仅仅当作一个时髦附加项。若 AI 被用于优化已经验证的电-热系统模型，这一方向会更可信；若只是把黑箱算法应用到定义模糊、数据来源不清的系统上，项目的技术说服力就会下降。

职业与市场前景

这一方向的职业信号总体积极，但带有明显专业化色彩。项目可以支持进入 power electronics、data-centre infrastructure、energy systems、electrical distribution、digital twins、cryogenic/superconducting engineering、工业研发、应用仿真或学术研究等路径。IET 在 2025 年报告称，76% 的英国工程雇主在关键岗位上存在招聘困难，技术型和可持续相关专业能力是明显短板（见 IET skills stats）。

需要看到的现实限制是，高价值的 AI 数据中心岗位往往还要求产业背景、可靠性工程、安全论证、标准意识或供应商平台经验。因此，博士阶段最好能够积累可展示的模型、验证数据、代码、论文以及明确的系统级工程判断。

资助、申请与生活成本

项目描述将该 studentship 表述为全额资助、面向全球申请者，申请日期为 2026 年 10 月 4 日，并注明若找到合适候选人可能提前关闭。这些项目级信息来自项目描述本身，在正式依赖前应直接向 Bath 核实。

Bath 的博士申请 FAQ 提供了较有用的背景：其说明标准 University of Bath studentship 采用 UKRI 2026/27 的 stipend rate，即 GBP 21,805，同时 funded studentships 通常会支付学费，但具体资格和覆盖方式因奖项而异（见 博士申请 FAQ）。Bath 的博士资助页面则说明，doctoral funding 可以包括 tuition fees、training support fund 和 stipend，而 relocation、visa 和 Immigration Health Surcharge 对国际申请者通常是单独成本（见 doctoral funding page）。

其中最值得注意的是 LURS 条款。Bath 的 LURS 指南 明确写道，该计划已停止接受新的 LURS 请求，但已获得批准的内部 LURS 承诺仍会兑现。这并不自动否定该广告，但会直接带来一个核实点：这个具体 studentship 是否已经获批、资助覆盖哪些内容，以及 Overseas fees 是否全额覆盖。Bath 的 URSA 页面 可作为一个有用参照：部分工程与设计学生hip 最长可覆盖 3.5 年，包含 Home 或 Overseas tuition fees、每年最高 GBP 1,000 的 training support fund 和 maintenance stipend，但不包括 visa 和 IHS。

如果该项目的资助水平接近标准 UKRI 额度，那么在 Bath 的生活成本大致可承受，但谈不上宽裕。Bath 的研究生财务建议指出，当地生活成本通常高于英国其他地区，并建议每月约 GBP 1,300，不含学费（见 money advice）。Bath 2026/27 的住宿价格页面显示，标准房型约为 GBP 182-220/周，而较多 ensuite 或 studio 选项则更贵（见 postgraduate accommodation prices）。国际申请者还应另行预算押金、签证、IHS 和汇率波动。

申请者匹配与准备

最适合的人群

该项目最适合具有 electrical/electronic engineering、mechanical engineering、energy systems 或 applied physics 背景，并能证明自身具备较强定量工程能力的申请者。更有说服力的经历通常包括 power electronics、converters、HVDC/DC distribution、electrical machines、protection、thermal systems、cryogenic systems、superconductivity、control、optimization、scientific computing 或 digital-twin 相关工作。

它也适合能把硬件导向的物理建模与 AI 赋能优化结合起来的人。项目描述中的 agentic AI 和 Omniverse 更适合作为系统设计和协同优化工具来理解，除非导师明确说明其核心会偏向算法研究。较强的申请通常应明确说明：AI/digital-twin 方法将如何建立在经过验证的电与热模型之上。

需要谨慎的情况

若申请者主要是通用机器学习背景，而缺少 power 或 thermal engineering 证据，就需要谨慎。传统机械背景但缺少电力系统经验的申请者，也需要尽快补足短板。反过来，如果申请者主要做超导或材料器件物理，却不希望项目大幅转向系统集成、数据中心架构和 digital twins，也可能会发现题目重心与预期不一致。

这个项目还要求申请者能接受一定程度的不确定性。它横跨 superconducting DC networks、cryogenic power electronics、thermal management、AI infrastructure 和 simulation；如果范围收敛不够清楚，就容易超出单个博士项目的合理容量。

应强化的技能与证据

值得提前准备的证据包括：

• 一段简洁的技术陈述，说明既有工作如何连接到高密度 DC 电力网络与冷却约束。
• converter、power-electronics、machine-drive、thermal、cryogenic、controls 或 optimization 项目的代表性案例。
• MATLAB/Simulink、Python、COMSOL 或同类工具的定量建模能力。
• 对 DC 故障保护、可靠性、安全和验证方法的理解。
• 对 digital twin、OpenUSD/Omniverse 工作流以及模型验证逻辑的基本认识。
• 面向导师准备关于设施、软件、数据集、产业伙伴和 thesis work packages 的清晰问题。

风险与待核实问题

高优先级问题

1. 这个 LURS 对 Home 和 Overseas 学生到底覆盖什么，包括学费水平、stipend、持续时间、training support fund 以及任何 fee cap？
2. visa fees、Immigration Health Surcharge、搬迁费、bench fees 或 conference travel 是否不包含在内？
3. 尽管公开说明写明新的 LURS requests 已关闭，这个具体 studentship 是否已经完成内部批准？
4. 谁是 lead supervisor，谁是 co-supervisor，各自预计提供怎样的指导频率？
5. 该博士在 hardware experiments、electrical/thermal modelling、Omniverse digital twins 和 AI optimization 之间的工作比重大致如何？
6. 低温功率电子设施、测试台、技术支持和安全培训是否能够保证？
7. AI 数据中心伙伴、数据集、机架/供电/冷却规格、算力资源或软件许可是否已经落实？

中优先级问题

1. 预计何时入学，广告是否可能早于 2026 年 10 月 4 日关闭？
2. 哪些背景是必须的，哪些可以通过训练补足，例如 superconductivity、power electronics、thermal systems、coding、AI/optimization 或 digital twins？
3. 学生是否主要注册在 Mechanical Engineering，同时由 Electronic and Electrical Engineering、EMaCS 或 IAAPS 提供联合指导或设施支持？
4. 第一年和第二年现实可行的发表 venue 与项目里程碑是什么？
5. 该项目是否需要 ATAS，国际申请者应当多早启动这一流程？

证据与来源

学校、项目与研究环境

• University of Bath Mechanical Engineering PhD
• Department of Mechanical Engineering research
• IAAPS Institute
• IAAPS facilities

导师与论文

• Vincent Zeng profile
• Xiaoze Pei profile
• Yan et al. 2026, superconducting motor equivalent-circuit method
• Wang et al. 2025, cryogenic DC circuit breaker
• Wang et al. 2026, cryogenically cooled inverter thermal distribution
• Breschi et al. 2026, superconductivity roadmap
• UKERC record for EPSRC EP/W033941/1

排名、资助与生活成本

• Faculty of Engineering & Design rankings
• University of Bath rankings and reputation
• QS University of Bath profile
• Bath REF 2021 results
• Bath doctoral study FAQ
• Bath doctoral funding page
• Bath LURS guide
• Bath URSA page
• Bath postgraduate money advice
• Bath postgraduate accommodation prices

领域与职业前景

• IEA Energy and AI
• NVIDIA Omniverse DSX Blueprint
• National Grid AI data-centre flexibility trial
• UK government data-centre energy report
• Uptime Institute AI cooling analysis
• IET UK engineering and technology skills statistics 2025