全球校园人工智能算法精英大赛

赛题一、AI算法在新材料为未知相指标化中的应用

赛题概述：

新材料的发展是推动科技进步与产业转型的核心动力，对新材料晶体结构的精确解析至关重要。X 射线粉末衍射（XRD）技术是揭示材料晶体结构的关键技术之一，90% 以上的新型功能材料晶体结构解析依赖该技术。指标化作为粉末 XRD 数据分析的第一步，将衍射峰序列转化为晶面指数并反推晶胞参数，是解析复杂相组成的前提。然而，现有指标化算法对低对称性晶体、含有杂质峰的衍射图等适用性不足，制约了新材料的发现。因此，利用机器学习与人工智能算法解决这些问题，对推动新材料研发及产业化应用具有重要意义。

出题单位：苏州实验室前沿料研究部

出题人：冯振杰、吕斌峰

      •  赛题交流QQ群：879542469（验证信息请注明“学校名称”+“学生姓名”）

      •  邮    箱：whitestar@shu.edu.cn

赛题文档：

完整技术规范与竞赛细则详见：《AI算法在新材料未知相指标化中的应用竞赛细则》

 

赛题二、基于AI的化学反应过渡态结构预测

赛题概述：

本赛题聚焦 “过渡态结构预测”这一前沿挑战问题，结合最新的开源反应数据集和反应三维结构表示需求，面向算法、化学、材料等多学科交叉背景的参赛者开放，旨在推动高效、通用、准确的过渡态结构预测算法的发展。该问题不仅是计算化学自动化、绿色催化剂设计、药物筛选和新材料发现等领域的基础核心任务，同时也具备广阔的产业转化前景，特别是在新药研发、能源转化、环境化工等方向具有重要现实意义。

通过设置具有代表性与挑战性的反应数据集，本赛题将引导参赛者探索具有创新性和推广性的算法，进一步推动人工智能驱动的科学发现（AI4Science）的发展，助力跨学科人才的培养与行业技术进步，为智能化分子设计与复杂反应系统建模提供关键支撑。

出题单位：华东师范大学

出题人：朱通，李博文

      •  赛题交流QQ群：956966549（验证信息请注明“学校名称”+“学生姓名”）

      •  邮    箱：libowen990807@163.com

赛题文档：

完整技术规范与竞赛细则详见：《基于AI的化学反应过渡态结构预测竞赛细则》

 

赛题三、材料科学图像曲线识别与智能解析

赛题概述：

材料科技文献中的曲线是承载材料属性的核心载体之一。例如应力-应变曲线包含材料的强度、延伸率和加工硬化率等力学性能信息，循环伏安曲线反映电化学反应动力学过程，差示扫描量热曲线表征热诱导的相变特性等，谱曲线包含材料成分或结构信息等。据统计，超过70%的材料科技文献中包含着曲线图像。然而，目前科研实践中仍普遍依赖如 GetData 等人工数字化软件进行曲线数据的提取，存在效率低、主观误差大（可达1%–3%）等问题，无法满足曲线图像数值自动化和高精度提取和分析的需求。本赛题旨在借助人工智能，突破曲线图像数值化和智能解析的技术瓶颈，推动材料科学曲线图像数据获取流程的自动化和智能化发展。

出题单位：北京科技大学

出题人：宿彦京、田少晗、王长鑫

      •  赛题交流QQ群：982830277（验证信息请注明“学校名称”+“学生姓名”）

      •  邮    箱：shaohan.tian@hotmail.com

赛题文档：

完整技术规范与竞赛细则详见：《材料科学图像曲线识别与智能解析竞赛细则》