AI 大赛 | “智创领航·研究生AI素养与创新实践大赛”作品展演
作者：微信文章智序常新，应用焕彩
在这个以创新为引擎的时代，AI技术正以前所未有的速度重塑世界的边界。
经过赛事报名和精心筹备，
环境与市政工程学院“研究生AI素养与创新实践大赛” 院赛正式启幕！
从前沿算法到场景应用，从技术创新到商业价值，
参赛团队将在这里接受专业评审与实战检验。
谁能以更优的性能、更巧的构思脱颖而出？
答案，由你见证！
📅 投票规则：每日推送10组参赛作品，涵盖算法模型解析、应用场景演示、技术创新亮点等内容。
👍 参与方式：点击推文底部“投票”按钮，为你心中兼具技术深度与创意思维的作品投出宝贵一票！
所有作品将同期在雁塔校区“一站式”学生社区综合服务中心开展线下路演答辩，欢迎大家前往现场为喜欢的作品打call加油！
11号作品：文献智能管理助手：AI驱动的检索、翻译与一站式分析系统
作者：李嘉宁 高福悦
本项目旨在打造一款融合成熟工具与创新 Al 能力的学术文献管理平台，以革新传统文献查找与阅读模式。项目背景在于全球学术文献呈爆发式增长，传统管理方式在检索、阅读、管理等环节效率低下，严重制约科研进程。项目的核心创新是构建“检索→管理→解析→优化”的智能闭环系统。通过深度语义理解与多语言处理，实现精准检索;利用智能分类与自动标签，高效管理文献:深度解析文献要点，生成结构化知识图谱;持续优化检索策略，贴合用户偏好。平台一体化设计，实现文献下载、阅读、标注、存储无缝衔接，极大降低时间成本。本项目具备显著的技术优势、操作便捷性与成本效益，为科研工作者提供高效、轻量、低门槛的一站式文献管理方案，有望彻底革新学术文献的查找与阅读生态，推动学术创新与发展。
图1 Python运行窗口
图2 GPT-ASK PDF-API秘钥插件效果展示图
12号作品： 中国农村厕所革命研究报告
作者：李晨阳，黄梦轩
结合ai数据分析与文献汇总对中国农村厕所普及率进行分析汇报，形成研究报告并提出当前面临问题与解决措施。
中国农村厕所普及率实现跨越式增长：从1996年的20.9%飙升至2021年的78.4%！然而，区域差距触目惊心——华东普及率高达93.4%，西北地区却不足60%，青海高寒地区改造率甚至低于40%。
面临问题：
1. 重建轻管：湖北鄂州市50%改厕因管网失修退回旱厕；青海90%公厕“建成即废弃”；仅30%村庄有专业清掏队伍。
2. 技术错配：高寒地区水管冻裂率超60%，缺水区水厕耗水量激增40%。
3. 资金困局：政府包办90%费用，村民自筹意愿低，仅20%县市将运维纳入预算。
措施：
✅ 长效管理“三位一体”
> 政府定标准+设资金｜市场推专业公司+粪污资源化｜村民建管护协会+“门前三包”。
✅ 技术因地制宜
> 南方：三格化粪池｜西北：生态旱厕｜高寒区：免水冲技术｜分散区：双坑交替式。
✅ 多元资金保障
> 中央财政倾斜西部+三级地方配套+PPP模式+梯度补贴激活村民参与。
国际启示：日本净化槽协会、德国村庄更新计划、印度“洁净村庄奖”证明：技术适配+全民参与是关键！
13号作品：ai赋能实验设计
作者：董耘铭、张喬通、苗安琪
【AI 赋能科研新范式】当 NLP 遇上环境健康研究，文献分析效率提升 15 倍！
作者：董耘铭 张喬通 苗安琪
在环境科学领域，海量文献筛选与创新点挖掘常常让科研人员陷入 “信息过载” 困境。近日，一项基于自然语言处理（NLP）的智能研究框架，为科研创新带来了颠覆性突破 —— 通过 AI 解析文献网络、预测研究趋势，不仅能精准定位知识盲区，更能自动生成创新实验方案！
核心突破：AI 如何重塑科研流程？
1. 动态文献库智能构建
用 Python 脚本通过 PubMed API 自动抓取近 5 年核心文献（如 “微塑料淡水生态毒性” 领域 500 篇文献）。
基于 SciBERT 模型精准提取 “生物富集系数”“氧化应激标志物” 等专业术语，实验参数提取准确率达 89.3%。
2. 研究脉络可视化分析
高频词云图揭示 “纳米级颗粒”“跨代毒性” 等突发热点（年增长率＞200%）。
知识图谱发现 “生物膜 - 免疫应答” 等弱关联研究缺口，为创新提供方向。
3. 创新点智能发掘
算法定位 “微生物膜修饰微塑料的免疫毒性” 等高潜力方向（研究缺口度 0.87/1.0），同时预警 “紫外线老化塑料遗传毒性” 等饱和领域。
自动生成研究命题，如 “微生物膜是否通过 TLR4 通路增强微塑料毒性？”，覆盖热点、填补缺口且技术可迁移性达 34%。
4. 数据驱动实验设计
AI 生成斑马鱼实验方案，从暴露浓度（10mg/L，文献高频值）到检测技术（85% 文献验证可行性），全流程优化。
技术优势：效率与成功率双提升！
文献分析速度：2 小时完成人工 30 小时工作量，效率提升 15 倍。
创新周期：从 “数月探索” 缩短至 “实时预警”。
实验成功率：历史验证方案通过率达 92%，减少 62% 试错实验。
科研人员必备：完整技术流程可复现！
该框架基于普通计算机即可运行，附 Python 代码实现文献抓取、解析与知识图谱构建（见文档附录）。从 “文献解析 - 知识发现 - 方案设计” 形成智能闭环，让 AI 成为你的科研创新助手！
未来展望
随着大模型技术渗透，AI 将成为跨学科研究的核心引擎。想突破科研瓶颈、抢占创新先机？快来解锁 AI 驱动的科研新范式！
让我们大家一起，开启智能科研之旅吧！
14号作品：简单易行的文献综述生成器
作者： 何超杰；吴静茹
让科研像聊天一样简单！你的文献综述神器来了，动动手就能搞定！
「Deepseek+Deepresearch之让科研像聊天一样简单」—— 一款真正简单易行的文献综述生成器，让科研准备像聊天一样轻松
告别复杂操作，只需“动动手”：输入你的研究主题或关键词、提出你的需求、坐等智能生成。 自动检索、阅读、分析海量文献，快速为你生成逻辑清晰、重点突出的文献综述初稿！
它的厉害之处在于：
· 极简操作： 无需复杂检索式，无需逐篇精读，零门槛上手！
· 极速高效： 节省80%以上搜集、阅读、整理文献的时间，加速研究进程！
· 结构清晰： 自动归纳研究背景、现状、热点、争议点、发展趋势…逻辑框架一目了然！
· 精准聚焦： 基于你的具体需求定制内容，告别泛泛而谈，直击研究核心！
· 学术严谨： 严格追踪文献来源，确保信息可靠，并提供关键参考文献列表。
这不只是一个工具，更是你的科研“搭子”：
· 灵感枯竭时？ 用它快速了解领域全貌，找到创新突破口！
· 开题报告卡壳？ 用它高效搭建理论基础和研究背景！
· 论文写作遇阻？ 用它梳理文献脉络，支撑核心论点！
「让科研像聊天一样简单程序」不代劳你的思考，只为你的深度研究扫清障碍、再也不用在文献迷宫里“肝”到天昏地暗。再也不用对着空白文档绞尽脑汁。
15号作品：基于飞书多维表格利用Ai大模型进行文献快速阅读
作者：王华东、刘妙琳
基于飞书多维表格与AI大模型的文献快速阅读系统，旨在解决学术研究及企业决策中信息过载导致的效率瓶颈。该系统深度融合飞书多维表格的结构化数据管理能力与AI大模型的语义解析技术，构建自动化文献处理流水线：用户上传文献（支持PDF/Word/网页等多格式）后，系统通过OCR和文本解析技术提取内容，调用微调后的学术大模型（如SciBERT）执行摘要生成、关键信息抽取（研究问题/方法/创新点）、术语解释等任务，最终将结构化结果（标题、作者、AI摘要、关键词等）自动同步至飞书多维表格。用户可通过自定义视图分类文献，利用飞书Bot进行问答交互，并实现多文献对比分析。
16号作品：智算赋能：AI 驱动高斯软件的化学反应路径智能勘探
作者：杨家熙，高萌
本项目聚焦“AI+Gaussian”化学反应路径计算，以经典 Diels–Alder 环加成反应为案例，展示 AI 如何辅助新手快速生成 QST2 过渡态搜索与频率计算输入文件，并在此基础上自动构建 IRC（内禀反应坐标）验证流程。通过在 Gaussian 输入中加入 geom=connectivity 等命令，确保坐标连通性，AI 不仅能精准求出过渡态虚频，还能指导用户完成 IRC 步长设置与结果解析。最终，项目成果在催化剂设计、新材料合成及能源环境优化中展现广阔应用前景，为化学计算新手与科研工作者提供高效、智能的工作流体验。
17号作品：一种基于web开发的便携式污染气体可视化系统
作者： 杨兆基 王惠洋
本作品是一款基于现代前端技术（HTML、CSS、JavaScript）集成AI技术，开发的交互式可视化平台，旨在提供直观、便捷的环境污染气体数据展示与管理功能，实现污染气体数据的智能分析与可视化展示，助力环境监测与科研决策。以实现地图可视化通过Mapbox引擎动态渲染污染物（PM2.5、SO₂等）浓度分布，支持柱状图展示、点位详情查看及多地图模式切换的前端框架。
数据智能处理：内置手动添加数据表单，支持经纬度、日期、污染物类型和浓度的快速录入，也支持Excel导入/导出，AI自动匹配表头格式，聚合半径功能避免数据重叠，适配手机端野外录入。
多维度分析：实时统计平均/最高浓度，生成趋势折线图，提供结构化数据表格，支持按类型、时间、区域筛选。
交互优化：响应式设计、暗黑模式、全屏展示、实时定位，提升用户体验。
本作品为环保部门监管、企业排放自查、科研分析、公众查询空气质量，商业领域（房地产、旅游）环境数据展示提供帮助。
GitHub项目需VPN访问https://soleilultra.github.io/
18号作品：STATA的使用与分析
作者：曹筱悦、韩朵儿、朱嘉艺
作者通过向 AI 提供英文任务要求和部分原始数据示例，借助 STATA 软件完成了数据导入、清洗、巢穴建立及模型估计等一系列操作。作者需要处理机动车巢和非机动车巢，AI 提供了详细步骤，帮助其建立树状嵌套结构，清晰展示数据层次关系。每个巢穴包含两种交通方式，便于分析其特点和差异。AI 还详细指导了变量选择和效应函数设定，强调其对模型准确性的重要性。作者通过模型估计和检验优化，最终成功完成任务，整个过程高效流畅，得益于 AI 的帮助。
19号作品：ai在研究生学习与文献阅读中的创新应用
姓名：何雨鑫，于金凤，王凯威
研究生教育作为培养高阶研究能力的关键阶段，对文献深度分析、研究方法创新、学术成果产出提出了更高要求。传统研究生学习面临 "文献过载导致研究起点模糊"" 方法论局限制约创新深度 ""跨学科知识整合效率低下" 等核心挑战。AI 素养通过工具应用与认知赋能，为研究生构建 "精准文献洞察 - 智能研究设计 - 高效成果转化" 的全流程支持体系，成为破解科研困境、提升学术生产力的核心引擎。本报告聚焦研究生学习特征，分析 AI 工具在科研准备、课程学习、课题攻关等场景的深度应用，论证其对研究生培养范式的革新价值。
20号作品：AI＋Python入门科研绘图
作者：唐铕、万嘉杰、刘泽梁
所谓看人先看脸，读文先识图。在科研论文中一张好看精美的图片就像我们人拥有一张俊俏的脸庞。好的图表设计能顶半篇论文——数据规律肉眼可见，机制流程一目了然，还能自动过滤掉文字描述里可能出现的理解偏差。那么，如何做好一张好看的图也就显得尤为重要。
AI 技术的深度应用为科研绘图带来革命性突破。我们应当如何实现利用大语言模型来进行科研绘图以及我们应当怎么做呢？答案非常简单——会聊天就行。那么接下来就是如何给AI提出问题以及如何引导AI解决问题。
步骤一：找到一张你需要复刻的图。
步骤二：将这幅图直接喂给豆包，并让它描绘一下这张图片。
步骤三：将豆包描绘的内容复制给Deepseek，并让它根据这段内容使用Python来绘制图片。
步骤四：将Python给出的代码直接复制下来，在PyCharm中粘贴并运行代码。那么在这过程中可能会出现代码报错的情况。
步骤五：当出现报错时，只需将报错内容给Deepseek，让其修正代码，并给出修正后的完整代码即可。运行修正代码，我们可以得到初步的图片。
步骤六：得到初步图片后，我们只需按照自己的需求进行微调即可。比如图例在图表外不好看，我们也只要把这个需求提给Deepseek，并让其给出完整代码，得出最终图片。
以上步骤效果图见文章最后流程图
页:
[1]