校区能源化工专业本科生樊星烁、王世领领衔的“净碳‘膜’法”团队，凭借《基于机器学习的微孔膜气体分离性能预测模型》项目，在第十九届“挑战杯”全国大学生课外学术科技作品竞赛“揭榜挂帅”专项赛中斩获全国特等奖。这支以非AI专业学生为主的团队，将人工智能技术引入化工领域研究，破解行业研发难点，展现了跨学科科创育人的全新活力，成为当代大学生投身科技创新、服务国家战略的一个生动缩影。

长期以来，膜材料开发迭代周期长、研发成本高，气体与膜材料的构效关系模糊成为技术发展瓶颈，而国内尚未形成大模型驱动的气体分离膜研发系统性方案。项目聚焦碳捕集、利用与封存（CCUS）核心环节的气体膜分离技术，直击传统气体分离膜研发“经验试错”模式的行业痛点。团队创新性地将机器学习与化工材料研发深度融合，构建“分子结构-物理环境”多模态对齐框架，结合双空间知识蒸馏架构，以Qwen3-30B大模型打造科学推理引擎，成功将原本数月的实验研发周期缩短至秒级并支持交互式预测，实现了从“经验试错”到“计算驱动”的研发范式变革。项目成果贴合产业实际需求，具备极强的企业落地性和行业推广价值，为“双碳”目标下的能源化工行业数字化转型提供了切实可行的青春方案。团队负责人樊星烁同学表示：“我们的初心就是用跨学科的知识解决行业真问题，让实验室的研究真正扎根产业一线。”

校区深入践行“跨学科融合”育人理念，为学生创新创业项目提供全方位的培育支撑。团队所在学院还组建了跨学科领域联合指导组，定制“AI技术+化工场景”专属学习方案，帮助队员快速实现对AI技术的跨学科掌握；整合优质资源为团队搭建从机理研究到实地调研、从实验验证到应用落地的全链条科创实践平台。

论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0011916425009026

从面对数千行代码的迷茫，到熟练运用PyTorch Lightning完成大模型调优；从单一专业思维，到跨学科系统思考，团队学生在攻坚中完成从科创新手到行业新力量的蜕变。项目研发期间，团队将项目研究成果整理凝练，并成功在SCI一区发表论文；项目负责人樊星烁、王世领两位同学以优异成绩分别保研至中国科学院大学前沿交叉科学学院和大连理工大学信息与通信工程学院，继续深耕交叉学科领域。“学科的边界是用来打破的”也成为团队成员共同的成长感悟。

2026年是数智变革的关键之年，传统学科“破圈”发展，既需要青年学子的跨界勇气，更离不开完善的育人体系支撑。面向未来，校区将持续以数智创新驱动高质量发展，不断深化跨学科育人改革，整合优质资源，搭建高水平科创平台，助力学生在交叉创新中成长，培养更多服务国家战略与产业需求的复合型人才，为国家“双碳”战略与科技自立自强贡献大工力量。

审核：王天舒