
有那么一群人,把自己一生中大部分时间都用在了学习、研究和发明上,你可以叫他们科学家,也可以称他们为发明家。就像是爱迪生、诺贝尔、邓稼先等。
当然,科学家、发明家并不常见,但在现实生活中,还存在着一群将自己的奇思妙想付诸实现的牛人们,他们正在用自己的想法以及成果来改变人们的工作以及生活方式。
英特尔国际科学与工程大奖赛(Intel International Science and Engineering Fair,简称“ISEF”)是世界上最大的中学科学研究竞赛之一,这项活动旨在鼓励全球数百万学生勇于创新,并且激发学生对科学的热情,其实脑洞与现实的距离并不遥远。
在这之中,有42名来自中国大陆、香港和澳门的中学生。
接下来就一起来看一下中国选手在本届Intel ISEF上,有哪些新的项目与成果展示:
很难想象,一名面临高考的高三学生会对石油化工厂的爆炸产生兴趣。刘果夫来自北京市第八中学,他表示大部分石油化工厂的爆炸原因是安全检测不到位,他的项目可以更快捷、准确地对石油化工厂进行检测,并且很容易上手,造价也更低廉。
来自广东实验中学的李卓瑞带来的是“有机废物巧制生物炭”,该项目用微波的方法,把收集起来的有机废物作为能源来制作生物炭,可以有效地减少二氧化碳的排放,生物炭也适用于土地利用,还有一些水体的吸附实验。据李卓瑞表示,围绕该项目已经申请了两项专利发明。
图片上这个瘦高的男生是王泰戈,来自华东师范大学第二附属中学。他的作品功能与空气净化器类似,不同于传统空气净化器的活性炭物理吸附方法,他改变了里面的结构,采用了盐的化学电解达到吸附甲醛的目的,这个产品主要组成是一块英特尔伽利略主板与一罐盐,而且这个解决方案非常的廉价,据王泰戈透露,已经有国内的厂商表示出对该项目的兴趣,有望把这个产品推向市场。
在人们的印象中,病毒应该是医生们研究的课题,而来自北京市第四中学的杨健钊却把病毒当成了参赛项目。他表示,布尼亚病毒有一个特点,就是有一个特殊的核蛋白,核蛋白会跟自身的RNA结合,而他就找到一种物质,与RNA竞争并且达到与核蛋白解恨的目的,让布尼亚病毒失去效力。
来自福州第三中学的孔祥洲带来的是永磁原理汽车制动能量再生器研究,该项目减少了汽车刹车时的油耗,达到了节能减排的目的。他表示,装置会将汽车刹车时的能量储存起来,当汽车加速时将能量在释放出来。
这位高大帅气的学生黄逸然来自北京顺义国际学校,他的作品可以理解为一个电脑的程序,这个程序可以自动的识别和找到医疗图像内的病变部位,医生不需要把大部分时间花在看图像(图像一般很大,需要仔细排查)上,另外还使用机器学习的算法让机器自动识别,看看在图像里到底存在着什么排斥级别(主要是心脏移植)。
这个稍显害羞的女孩林佳宁来自中国人民大学附属中学,她带来的作品是智能手机大气能见度测量方法。据林佳宁介绍,这个项目的灵感来自于2014年北京的雾霾天气,能见度是一个非常重要的空气质量指标,用户通过她开发的手机APP拍摄天空的照片,用公式的方法来计算出能见度,误差在两公里到三公里之内。
北京师范大学附属实验中学杨可涵的作品是基于Wi-Fi控制的爬壁侦察机器人,Wi-Fi在生活中是一项常用的技术,利用Wi-Fi技术,通过手机APP连接机器人,并且对它进行操作。这个机器人的不同之处在于,它可以吸附墙面行走,并且有一定的过障能力;而且机器人机身设有摄像头,图像可同步传输到APP中。据杨可涵表示,控制范围为50-100米。
来自山东实验中学的郝若尘带来的是蝙蝠仿真耳对空间目标定位的研究,他使用了与蝙蝠的肉体具有最接近的值的光敏树脂作为材料,把蝙蝠头部扫描并且利用3D打印技术打印出来了模型,可以随意设定对照组,这也解决了困扰蝙蝠学者长达30年的疑问,该研究项目可以被广泛应用于设计智能天线以及最新一代的动态雷达。
一名优秀的科学家不是一蹴而就的,他们通常需要有超脱常人的想法和坚持不懈努力,这两者缺一不可。英特尔国际科学与工程大奖赛恰恰为这些有理想、追求的学生提供了一个展示的平台,让他们手中的发明被更多人看到,或许,下一个伟大的科学家或发明家就会在他们之中产生。
好文章,需要你的鼓励
亚马逊FAR部门研究团队通过创新的"掩码比特建模"技术,突破了图像生成领域的传统认知。研究发现离散方法劣势源于信息容量不足而非技术路线缺陷,提出的BAR框架通过渐进式比特预测解决大词汇表计算难题,在ImageNet-256上创下0.99 gFID新纪录,同时实现数十倍的速度提升,为AI图像生成开启质量与效率并举的新时代。
北京大学与美团联合研究团队提出轮廓引导路径探索(OPE)方法,解决AI并行推理中的"互信息饱和"问题。通过先生成多样化策略轮廓再执行具体推理,避免多条思路重复收敛的困境。在数学推理测试中,该方法显著提升了复杂问题的解决成功率,为AI推理能力的可靠性提升提供了新的技术路径。
南洋理工大学研究团队开发了Dr. MAS训练方法,专门解决多智能体大语言模型系统的训练不稳定问题。该方法通过为每个AI智能体使用个性化的评价标准,避免了传统全局标准化导致的梯度爆炸问题。在数学推理和多轮搜索任务中,Dr. MAS显著提升了系统性能和训练稳定性,为构建更强大的AI协作系统提供了重要技术支撑。
腾讯AI实验室开发的Covo-Audio是首个真正实现端到端语音对话的7B参数大模型,能直接处理语音输入并生成自然回应。该系统突破了传统流水线式处理的局限,实现了智能与声音分离、全双工交互等创新功能,在多项基准测试中表现优异,特别是在情感理解和自然对话方面达到了新的水准,为语音交互技术的实用化和个性化应用开辟了新路径。