10月24日，第二届天津大学“人工智能赋能化学实验创新赛”在天津大学举行。来自天津大学、南开大学的学生围绕分子性质预测、分子生成、化学智能体和实验自动化等方向展开交流与展示，呈现了人工智能与化学专业学习、科研实践相结合的多种探索。

比赛采用线上线下相结合的形式。活动由化学化工国家级实验教学示范中心（天津大学）、化学化工国家级虚拟仿真实验教学中心（天津大学）（以下简称“虚拟仿真实验中心”）、天津大学理学院、化学国家级实验教学示范中心（南开大学）共同主办，天津大学教务处、教育部化学实验教学改革研究虚拟教研室（化学实验数智化建设教研组、华北组）提供指导，虚拟仿真实验中心副主任杜静老师主持。本届赛事共有29支队伍、52名选手参赛，其中天津大学17支队伍、南开大学12支队伍，参赛学生涵盖本科、硕士和博士各学段。45名选手线下参与活动，另有50余名兄弟院校师生通过线上方式参加观摩交流，多校教师通过虚拟教研室同步观摩交流。

参赛师生合影

比赛设置分子性质预测基础赛道、分子深度学习预测赛道、分子生成赛道、化学智能体赛道、智能实验装置与自动化实验赛道五个赛道。决赛答辩展示了21个项目。本次比赛邀请南开大学化学实验教学中心主任邱晓航教授、天津大学化学实验教学中心主任马骁飞教授、物理化学教研室负责人冯霞教授、实验中心副主任兼有机化学教研室负责人赵温涛老师、于曦教授担任评委，从化学专业知识、人工智能方法、研究创新性及成果验证等方面对参赛项目进行评价，并与学生进行了交流。经评审，比赛评出一等奖2项、二等奖3项、三等奖4项、优秀奖8项。

颁奖环节现场

参赛作品既涉及机器学习方法的开发和应用，也关注具体化学问题的建模与实验实践。在物理化学建模方面，南开大学一项获得一等奖的作品将物理信息神经网络（PINN）用于钠离子电池扩散系数反演，从传统恒电流间歇滴定技术（GITT）分析的近似条件出发，尝试利用电压数据反演扩散系数，并讨论了模型的不确定度与适用范围。天津大学的《分子沸点与水溶解度预测——深度学习与集成学习双路线》项目则针对沸点和水溶解度两类重要理化性质，分别采用深度学习和集成学习方法建立预测模型，并结合分子结构描述符与特征优化提高预测性能。在此基础上，开发了支持分子名称、CAS号及SMILES输入的预测工具，为分子理化性质的快速评估提供了便捷手段。

在分子建模与设计方面，天津大学学生通过消融实验，分析键长、键角、二面角等几何信息对分子电子性质预测的贡献，并结合分布外测试考察模型的可靠性。分子生成项目则探索利用LSTM实现目标pKa调控，以及结合离散扩散模型、性质预测与优化算法开展候选分子设计。此外，参赛作品还涉及核磁谱图智能解析、EGFR抑制剂活性预测、化学文献信息提取和有机化学实验教学辅助等方向。在实验自动化方面，参赛学生设计了面向多金属氧酸盐实验的模块化取样与在线光谱检测装置，探索实验流程的程序化控制；针对实验容器反光导致的液位识别困难，通过改进图像预处理与识别方法，提高了液位识别的准确性。

参赛团队进行项目展示与答辩

赛后，评审专家与虚拟教研室教师围绕人工智能在化学研究和实验教学中的应用开展交流。讨论涉及化学知识如何参与AI方法设计、机器学习结果的可靠性，以及本科生科研训练中选题、对照比较和结果验证的重要性。专家们指出，AI工具能够帮助学生更快地完成建模和系统开发，但评价研究成果仍应回到具体化学问题，关注方法选择是否合理、改进是否得到验证，以及研究结论的适用范围。

本届赛事为天津大学与南开大学开展化学与人工智能交叉教学和科研训练提供了交流平台，也展示了学生在相关领域的实践能力。主办单位将结合本届比赛经验，研究进一步细化各赛道的任务要求与评价依据，探索增加客观测试与结果验证环节，鼓励学生围绕具体化学问题开展更深入的研究。下一步，双方将在此基础上吸引更多高校参与，持续依托赛事平台培育化学与AI交叉创新人才，推动参赛项目迭代优化，助力化学实验教学朝着数字化、智能化方向高质量发展。