■2025年度■
AI机器科学家
知识还原探究挑战赛
精准智能化学全国重点实验室
&
中国科大创新创业学院
为贯彻落实国家《新一代人工智能发展规划》及《关于深入实施“人工智能+”行动的意见》，积极响应《国家教育数字化战略行动（2025）》和《教育强国建设规划纲要(2024—2035年)》关于推动人工智能赋能教育变革、各级各类教育课程和教学体系智能化升级、将人工智能技术融入教育教学全要素和全过程的战略部署，中国科学技术大学精准智能化学全国重点实验室（以下简称精准智能全重）联合创新创业学院，现面向全国发起AI机器科学家知识还原探究挑战赛。相关事项介绍如下：
背景与意义
科学实验是知识发现与验证的关键环节、培养科技创新人才的核心载体，但在传统基础教学中，实验往往面临多重限制：资源条件有限（如高危实验难开展、精密仪器不足）、互动性不足（学生被动观察多、主动探索少）、创新性不强（实验类型以教材经典验证性实验为主体，探究性实验较为基础，缺乏对机理、跨学科融合或前沿技术的深度挖掘）等。近年来，人工智能与大模型技术快速发展，为科学原理的动态推演与复杂实验的智能设计提供了新工具；机器人技术与自动化实验平台的普及，则突破了传统实验在精度控制、标准化实施、安全保障与效率提升等方面的瓶颈，为基础科学的经典知识还原探究开辟了全新路径。
依托精准智能全重在基础科学教育和科研大模型、科学实验室自动化、智能化领域的研究积累，本次比赛旨在挖掘“AI机器科学家赋能科学实验”的优秀创新案例与可行方案。入选方案可在精准智能全重的智能科学家平台支持下，由专业团队协同推进实施落地，可成为“中国科学技术大学智能科学家科创试点班”的教学改革案例。通过比赛汇聚广大师生的创新智慧，开发一批可复制、可推广的标准化的基础科学的经典知识还原探究案例，推动科学实验教育从“观察验证”向“探索创造”、教师从知识传授者逐渐向“教师引导启发+学生自主探索”升华，培养更多AI for Science领域的人才，助力我国基础科学教育的高质量发展。
参赛对象
全国范围内在读中学生、大学生、研究生及在校教师，参赛形式灵活，支持个人报名或自由组队参与。
赛题方向
聚焦基础科学的经典知识（化学、物理、生物为主）教学场景，围绕以下方向撰写好已实现的成果案例或具备实施可行性的实验方案：
01
用AI大模型和机器人还原探究已有的科学实验
围绕核心科学知识点（如牛顿力学定律、楞次定律、化学动力学、渗透原理、分子间作用力等），利用AI大模型对经典科学实验的知识体系进行深度解析，生成更具启发性和创新性的实验方案，并通过机器人或自动化实验平台进行自动化实验，构建“大模型和理论推演-实验验证-数据分析和智能优化”闭环体系，推动基础科学的经典知识智能化重构与创新。
02
高危/高成本实验替代方案
面向基础科学教学中因安全性（如高温高压实验条件、有毒有害物质等）、或高成本（如稀有试剂、精密仪器）等难以开展的实验，设计“AI+机器人执行”的替代方案。例如：用机器人替代人工操作，通过自动化实验平台实时监测与控制反应条件（温度、pH值、浓度等），完成“金属钠与水反应”“浓硫酸与蔗糖碳化”等实验的安全化教学。
03
跨学科融合探究实验
依托AI大模型的强大推理与知识整合能力，突破师生在单一学科知识上的局限，更系统地设计和优化实验方案。通过引入更高精度、高通量、高标准化、高安全性的科学实验机器人及自动化平台，进行实验验证，并借助大模型进行数据分析和智能优化，深度挖掘实验现象背后的跨学科关联规律，推动学科交叉创新、新知识发现与实现。
参赛作品要求
ONE.
科学严谨性
实验设计须严格遵循科学原理，兼具教学示范与推广价值。
TWO.
技术适配性
聚焦AI大模型、机器人及自动化技术在科学实验优化中的应用，鼓励通过这些技术介入发现新科学问题，鼓励构建数据驱动型实验范式。
THREE.
实施可行性
经典知识点需明确聚焦，设计流程简洁高效，避免冗余环节;所需材料与仪器应具备普适性，成本控制在合理范围内。
FOUR.
方案完整性
需系统涵盖实验原理、实验设施、实验流程、预期结果、重点阐明AI和机器人技术的具体介入环节及其对科学实验的价值提升，鼓励挖掘经典实验方案难以实现或提升性能的技术突破的科学实验。
FIVE.
推广示范性
实验设计具备广泛的教育适用性与标杆示范效应，确保可在教学场景中高效复现与规模化推广。
SIX.
平台适配优先级
特别鼓励适配精准智能全重的“智能科学实验大模型”、AI科学家平台实验方案，符合该平台技术特征的比赛项目将获得优先支持。
参赛时间
参赛作品分两阶段提交与评审：
首轮提交截止时间为2025年9月10日，评审结果于2025年9月20日公布；
次轮提交截止时间为2025年12月10日，评审结果于2025年12月30日公布。
提交方式
01
提交材料要求
请以Word或PDF格式提交实验案例或可行方案文档，以及其它相关支撑材料（包括但不限于视频等）。文档内容建议涵盖以下内容：
🔷 实验基本信息：实验名称、科学原理概述、实验设计与步骤；
🔷 技术赋能设计：AI大模型、机器人/自动化设备及平台的具体赋能路径（如实验方案设计、辅助分析、实验执行、数据处理等）；
🔷 资源需求：实验所需的试剂、器材、耗材类型及技术参数；
🔷 安全规范：实验过程涉及的安全风险点及对应的防控措施。
02
提交邮箱
邮箱：lrd@ustc.edu.cn
03
邮件标题
邮件标题：请按照“单位名称-第一作者姓名- 学科方向-实验名称”格式填写 。
评审与激励
主办方将组建由生命科学、化学、物理学、人工智能、机器人、实验教学等领域专家构成的跨学科评审委员会，围绕科学性、创新性、技术可行性、方案完整性及推广价值等核心维度，对提交的作品进行多维度综合评议。优秀的作品将获得以下激励与支持：
■奖项设置
备注说明：
专家支持：获奖个人/团队将获得多领域专家（涵盖物理、化学、生命科学、人工智能、机器人等）的专业支持与技术指导，协助优化已有案例、完善可行方案并推动落地实施。
奖励名额灵活调整：根据参赛队伍数量及作品质量，将酌情增减优秀作品奖励名额——若成果突出则增加名额以确保充分激励，若数量有限则相应减少名额。
奖金发放方式：奖金默认颁发给指导老师（无指导老师时为第一负责人），由其根据团队贡献分配；仅提交可行方案的获奖者，先颁发荣誉证书，待主要实验原理验证后发放奖金。
指导老师表彰：获奖团队/个人的指导老师将同步获颁“优秀指导老师”证书，以肯定其在作品设计中的指导贡献。
其他奖励：
实地研学交流：获奖团队/个人将受邀参访精准智能全重的智能科学家平台，实地体验国际一流实验设施与科研环境，并与实验室核心专家进行深度技术研讨。
项目参与支持：优秀团队/个人可优先加入精准智能全重后续智能实验平台课题研发，或申请实验室开放基金资助，开展前沿科学研究。
实验资源赋能：针对获奖作品，精准智能全重将统筹调配设备、数据、科研人员等资源，协助完成科学实验原理验证或已有案例的优化升级，推动成果落地转化。
成果示范推广：优秀作品可入选“中国科学技术大学智能科学家科创试点班”教学案例、精准智能全重的智能科学家平台典型实验案例，并通过中国科大官网、微信公众号及第三方教育/科技平台，尤其是在精准智能全重2025年9月20-23日主办的《第三届智能科学家生态联盟年会》、《Nature 官方会议 Automation for Chemistry》、《智能科研仪器交流会》上，进行多渠道展示，提升团队影响力，促进成果传播与转化。
联系我们
联系人：卢老师
咨询邮箱：lrd@ustc.edu.cn
经典科学知识实验孕育科学人才，科研实验书写科学史章。当人工智能以颠覆性力量重塑传统科研范式，加速科学发现的进程，我们诚邀全国师生以智慧与创意共赴这场科学实验范式的革新之约，携手开启智能科学新时代！
精准智能化学全国重点实验室
中国科学技术大学创新创业学院
2025年7月31日
附录一
精准智能化学全国重点实验室介绍
2023年1月经中国科学院批准，精准智能化学重点实验室依托中国科学技术大学开始建设。2025年1月实验室正式获批纳入全国重点实验室序列建设。
精准智能化学全国重点实验室面向世界科技前沿，聚焦如何改变化学研究范式这一关键科学问题。针对传统的化学研究范式深度依赖于“试错法”的问题，实验室探索建立化学研究的精准化、智能化双驱动模式，结合已有工作基础和学科发展趋势，形成了复杂体系化学理论、化学过程精准表征、数据驱动的智能化学、反应路径与材料物性的精准调控四个研究方向。将发展面向复杂化学过程和材料体系的基础理论、底层算法及高效并行计算软件，发展时间、空间、能量多域条件下的原位、动态表征新技术，发展具有自主操作系统和高智能水平的机器科学家平台，主导国际通用的智能化学软硬件标准，实现数据驱动的化学研究新范式变革。
附录二
中国科大智能科学家科创试点班介绍
为深入贯彻落实国家创新驱动发展战略，探索意识新、能力强、素质高的顶尖科技创新创业人才培养模式，中国科学技术大学自2021年启动了中国科学技术大学“科创试点班”项目，起到了良好的教育成效和示范效果。“科创试点班”以铸造学生创新创业灵魂为目标，以“专创融合”、“理实融合”、“产教融合”为培养理念，以模块化课程体系、专业化师资队伍、阶梯化项目基金、实战化训练平台为培养特色，着力培养意识新、能力强、素质高的顶尖科技创新创业人才。
通过学校创新创业学院指导，各学院、学部独立或联合设立虚拟班级，为有创新创业志趣或发展意向的硕博研究生提供专项学习和成长计划。其中，智能科学家科创试点班作为特色分支，依托精准智能化学全国重点实验室及实验室的智能科学家平台设立，聚焦“AI+科学实验”交叉领域，致力于培养熟悉智能科学实验新范式、掌握“数据驱动+机器人赋能”核心技术的复合型人才。试点班以推动科学实验从“经验驱动”向“数据驱动”转型为使命，以人工智能技术赋能科学实验变革为目标，通过“AI预测-实验验证-智能优化”的全链条培养路径，持续为我国教育数字化战略、AI for Science领域创新发展输送高素质人才，助力教育强国与科技强国建设。
附录三
AI+机器人赋能中学渗透压
实验案例介绍
渗透原理与渗透压是理解细胞生命活动的核心概念，本实验采用智能科学实验大模型，深入了解实验原理，生成可直观展示其规律的经典实验（如蔬菜细胞失水与吸水、糖果在高渗环境的变化），并结合生活实例（如输液、腌制食品、腹泻后要补充生理盐水），帮助学生将抽象知识与实际应用联系起来。然后通过智能科学家平台自动化设计和实施“QQ软糖放进不同浓度盐溶液后的体积变化”实验，并用智能科学实验大模型预测和总结实验的规律，展示AI机器科学家赋能中学渗透压实验的教学。
实验内容框图和步骤如下所示：
第一步：输入实验需求，平台生成相关实验方案
研究人员在智能科学实验大模型中输入“请帮助设计一个实验，用日常生活中的物品，模拟细胞环境，测试和总结渗透压的原理”，平台即可生成多个相关实验，其中三个实验如下所示：
第二步：选择实验案例，使用智能科学实验教育大模型生成详细实验方案
选择实验三方案， 在智能科学实验大模型中输入“请帮助设计一个实验，观察QQ软糖放进不同浓度盐溶液后的体积变化，从而阐述渗透压的原理，并且预测他们的体积变化趋势。最后写一份实验报告”，即可生成以下所示的实验原理和方案、实验思维导图（人工做了些修改）、核心知识点分析及实验规律预测。
第三步：智能科学家平台自动化执行实验
在智能科学实验大模型中输入“请设计智能科学家平台能做的不同尺寸QQ糖在不同浓度盐水溶液中的渗透压实验流程”，以下为“智能科学家平台”设计的详细实验方案，包括实验设计、样品与试剂制备、渗透压实验执行、数据分析与建模，具体流程如下所示：
一、实验设计阶段（由Experiment Designer智能体执行）
1.变量定义
▪ QQ糖尺寸：通过模具控制直径（1mm/3mm/5mm），采用豆果美食的橙味QQ糖配方（明胶+果汁），调整麦芽糊精比例控制硬度。
▪ 盐水浓度梯度：0%（对照）、5%、10%、15%、20%（质量体积比，精度±0.1%）。
▪ 环境参数：恒温25℃（温度敏感度±0.5℃）。
2.实验逻辑树生成
▪ 生成5（浓度）×3（尺寸）×5（重复）=75组实验队列，随机排序避免系统误差。
▪ 预设终止条件：QQ糖体积收缩率>50%或实验时长>120分钟。
二、样品与试剂制备（由Robot Operator智能体控制）
1.QQ糖自动化制备
▪ 调用“液体分配机器人”按配方混合：橙汁100ml + 明胶15g（60℃水浴溶解）。
▪ 注模分尺寸：3D打印模具分层灌注，冷冻15分钟定型。
2.盐水溶液配制
▪ 高精度天平称量NaCl，配液机器人按浓度梯度稀释（使用去离子水，避免离子干扰）。
三、渗透压实验执行（多智能体协同）
步骤1：样品预处理
▪ 视觉识别定位：机械臂抓取QQ糖置于载玻片，CCD相机记录初始尺寸（精度±0.01mm）。
▪ 称重校准：电子天平记录初始质量（±0.1mg）。
步骤2：动态渗透监测
▪ 反应池注入：移液机器人将5ml盐水注入含QQ糖的反应池（透光石英材质）。
▪ 实时数据采集：通过机器视觉通实时监测QQ糖的体积。
步骤3：终点判定
▪ 当体积变化率连续10分钟<1%时，判定渗透平衡，终止实验。
四、数据分析与建模（由Computation Performer智能体执行）：
1.关键指标计算
▪ 体积收缩率
▪ 渗透压关联性：拟合范特霍夫公式 π = cRT（c为盐水浓度，R=8.314 J/mol·K，T=298K）。
2.机器学习优化
▪ 输入：QQ糖尺寸、盐水浓度、时间序列体积/渗透压数据。
▪ 输出：
▪ 预测模型：贝叶斯优化器生成收缩率-浓度-尺寸响应曲面。
▪ 最优参数：最大收缩速率对应的浓度-尺寸组合（例如：5mm QQ糖在15%盐水中收缩率峰值）。
以下流程图展示了“智能科学家平台”如何通过智能体协同，高效、精准地完成科学实验的过程。
智能科学家平台实际实验照片、视频
第四步：实验结果分析与关键规律总结
通过以上实验，采用智能科学实验教育大模型，对实验结果进行分析，大模型输出以下结论：
实验现象总结如下：
1. QQ糖在低渗溶液中膨胀，在高渗溶液中收缩，符合渗透压原理；
2. 体积变化率与盐浓度呈负相关，与糖尺寸呈负相关；
3. 小尺寸样品(5mm³)对浓度变化更敏感，适合作为快速观察的教学材料。
实验总结的关键规律为：
1. 尺寸效应：小尺寸QQ糖体积变化幅度更大（比表面积大→渗透效率高）；
2. 浓度效应：盐浓度每增加10%，收缩率提升约15%（符合范特霍夫定律π∝c）。
小结
AI机器科学家赋能中学渗透压实验，展示了智能科学实验大模型和智能科学家平台在科学实验教育中的融合创新。通过AI+机器人赋能科学实验教学，能系统地设计和优化实验方案，更高效、精准地进行实验验证，借助大模型进行数据分析和智能优化，挖掘实验现象背后的关联规律，推动科学教育从“观察验证”向“探索创造”升级，有利于培养科学教育中的创新思维，促进学科交叉创新、新知识发现与实现。
END