ISEF2024 全球总决赛获奖项目亮点解析与建议

PART 1、洛杉矶见证荣耀时刻！ “小诺贝尔奖”ISEF2024落幕~

01、ISEF总决赛 成果回顾

Congratulations to Krish Pai, Grace Sun and Michelle Wei - the top winners at the 2024 Regeneron International Science and Engineering Fair in Los Angeles, California

2024年度的ISEF全球总决赛已经完美收官！自2017年后，Regeneron ISEF再度在“天使之城”洛杉矶火力开战~~

今年的赛场竞争激烈程度升级：近900万美元的巨额奖项、奖品和奖学金、更高水平的科创项目、全美59个州、全球67个国家和地区的近1700名总决赛精英选手汇聚于此，带着他们的1338个科创项目直闯总决赛的战场！

这些项目来自22个不同的学科类别，选手们为了问鼎这青少年科创领域的最高荣誉，展开了一场激烈比拼……

Ingrid Chan, German Swiss International School (Hong Kong), China, Hong Kong Special Administrative Region

在今年的赛事中，中国队也是展现了非常瞩目的实力~一共有57支中国队伍成功闯入全球总决赛，比去年增加了3支队伍！中国队伍中包含了我们大陆中外籍的学生和港澳台地区的学生（国家队30支，川赛5支，港澳台22支）。

今年赛场，香港和广东地区的选手们表现令人眼前一亮——香港德瑞国际学校成为今年中国队赛事的一大焦点：不仅斩获了医学类别的一等奖，更是荣获了1项Top Award——Craig R. Barrett Award for Innovation。广东地区的参赛选手较往年也取得了更大突破，在总决赛中成功摘得大奖。

克雷格·贝瑞特创新奖（Craig R. Barrett Award for Innovation）是一项享有盛誉的奖项，专为在科学、技术、工程和数学等领域中展现出卓越创新能力的决赛选手而设立。该奖项将颁发给那些深入研究这些学科，成功实现创新整合，并清晰展示这些学科融合对我们日常生活产生深远影响的杰出项目。获奖者将获得一万美元的奖金，以表彰他们在相关领域的突出贡献。

上海地区的选手表现依然抢眼，两位来自上中国际的学生也是成功获得了Grand Awards（分别摘得一、二等奖）！他们从川赛赛道中脱颖而出，川赛的最终5个入选项目中，有3个项目都来自上中国际的学生，这一成绩着实令人欣喜，要知道川赛的竞争每年都是异常激烈的。

图为2024川赛晋级总决赛的5个项目

与去年相比，今年ISEF的参赛人数有所增加，项目的数量难度水涨船高，这也无疑提升了获奖的难度。

尽管面临着更艰难的竞赛环境，但是我们机构的学员们在今年的比赛中依然表现稳定且出色，再次超出了预期，展现出了超高的获奖率！

要知道，能够进入ISEF总决赛的学生已经是地区内的佼佼者，而我们机构有多达30名学员经过层层选拔，成功晋级全球总决赛的舞台！！最终，他们在总决赛中斩获了11项Grand Awards和12项Special Awards，相比去年的成绩，整体上又有了新的进步。

在此，机构老师祝贺我们的获奖学员~同时，我们期望学员们能够继续保持出色的学术成就，积极积累实践经验，秉承并弘扬ISEF的竞赛精神：希望你们通过不断挖掘和提升自身的科研与学术能力，为将来进入梦寐以求的学校做好充分准备，奠定坚实基础！

ISEF至今已成功举办75届，自2020年起由知名药企Regeneron接手筹办。其联合创始人及董事会联合主席George D. Yancopoulos对参赛选手的才华和潜力赞不绝口。

他坚信，科学竞赛如ISEF能激发青少年对科学的热情，成为他们探索与追求卓越的动力。同时，他希望参赛学生们未来能为社会贡献力量，并取得卓越成就……

PART 2、独家解析来了——ISEF2024总决赛项目

01、ISEF获奖项目展现新趋势：

创新思维、细节打磨与社会价值的共赢

今年ISEF总决赛的获奖项目呈现出一些引人注目的共同优势！显著的一点是，这些项目并未刻意追求技术的高难度展示，而是通过降低技术门槛，为更多的项目敞开了一扇展示创新能力的大门。这一变化向外界传递了一个重要信号：技术的精湛并非唯一标准，创新思维的广泛性和实用性同样受到重视。

Ingrid Wai Hin Chan, $10,000 Craig R. Barrett Award for Innovation

评委们在评估项目时，除了项目本身的创新点之外，更加注重其所能产生的长远社会影响与价值，以及对人文精神的深刻体现。这为参赛项目提供了一个展示其深刻社会意义的平台，而非仅仅局限于技术层面的比拼。

同时，获奖项目通常具备新颖独特的研究视角，它们善于从日常生活中的细微之处发掘创新点，这种敏锐的观察力和创新思维赢得了评委们的高度认可。

而在更为激烈的竞争环境下，“细节会决定成败”：在科创过程中，参赛项目对细节的极致追求也会令评委印象深刻，每一个环节都经过精心的设计和打磨，提升了项目的整体质量和竞争力~选手们花费了大量的时间和精力去完善项目，这份执着努力与诚意满满的研究成果也是打动评委、赢得奖项的关键因素。

02、ISEF获奖项目全解析：机构教学组的独家研讨会分享

每一年，我们都会对在ISEF竞赛中获奖的项目进行深入分析，从中汲取灵感和经验。今年，机构教学组的老师们更是专门针对总决赛的获奖案例，组织了一场内部研讨会。

在这次交流会上，我们探讨了几乎所有学科类别的获奖项目，每位老师都在自己擅长的学科领域内，对这些项目进行了详尽而专业的剖析，从选题背景、研究方法、实验设计，到数据分析和结论呈现，都进行了逐一解读。

这些内容都是我们机构团队独家整理的内部资料，现在分享出来，旨在为有志于参加ISEF竞赛的同学们提供有价值的参考和灵感。

由于机构团队各位老师的技术专长和兴趣点不尽相同，因此对项目的解读也会有所差异，甚至可能存在某些不够完善的观点。在本文中，我们精选了几位老师对一等奖项目的深入剖析，这些项目涵盖了多个学科领域。每位老师都基于自己的专业领域进行了详尽的分析，虽然可能有所不足，但我们的初衷是为读者提供更多的思考角度和学习资源，希望大家能从中汲取灵感，互相借鉴。

我们将按照以下科目顺序进行分析：

1. Behavioral and Social Sciences (BEHA)
2. Biomedical and Health Sciences (BMED
3. Biomedical Engineering (ENBM)
4. Cellular and Molecular Biology (CELL)
5. Computational Biology and Bioinformatics (CBIO)
6. Embedded Systems (EBED)
7. Energy: Sustainable Materials and Design (EGSD)
8. Engineering Technology: Statics and Dynamics (ETSD)
9. Environmental Engineering (ENEV)
10. Microbiology (MCRO)
11. Physics and Astronomy (PHYS)
12. Plant Sciences (PLNT)
13. Robotics and Intelligent Machines (ROBO)
14. Systems Software (SOFT)
15. Technology Enhances the Arts (TECA)
16. Translational Medical Science (TMED)

Behavioral and Social Sciences (BEHA)

- First Award -

BEHA061 -GaitNet: Assess Parkinson's Gait Disorder Severity

Project Quad Chart

项目简介

本项目针对帕金森氏症(PD)步态障碍评估，开发了一个准确、定量且易于获取的评估框架。通过创新的神经网络，项目首次从3D骨骼和人体轮廓中提取时空特征，实现了对步态障碍的高灵敏度评估，达到91%。

此外，项目还推导出了显著性值，帮助医生识别患者步态的微妙变化，并确定了与PD步态障碍密切相关的关键参数。最后，项目还创建了一个低成本的web应用程序，使患者能够在家中通过视频快速获取PD步态障碍的诊断结果，实现了PD的早期发现、个性化治疗计划和病情监测。

此框架不仅提高了诊断精度，还降低了评估成本，并可轻松扩展到其他步态障碍疾病的评估中。

独家解析

该技术运用了深度学习领域的前沿方法，通过从3D骨骼数据和轮廓中提取出关键的时空特征，实现了对步态障碍的精准评估。该技术能识别出21种特定的步态模式，这在帕金森病（PD）的诊断和治疗中具有重要的参考价值。值得一提的是，研究团队还开发了一个便捷的web程序，患者只需在家中通过视频录制步态，即可快速生成PD步态的诊断结果。

在技术细节上，这项技术通过处理视频帧，精准地捕捉到人体姿态的细微运动幅度，这对于识别PD患者特有的僵硬和运动迟缓症状至关重要。此外，该研究还巧妙地结合了能量图（包括深度图、分割图）与姿态图，利用这些多元数据进行综合分类，进一步提高了诊断的准确性和可靠性。

更为出色的是，该技术还利用深度学习的反向传播机制，生成梯度信息，并将这些信息映射到人体模型上，形成所谓的“显著性图”。这种可视化方法不仅有助于我们更直观地理解深度学习模型的决策过程，还能揭示出影响PD发病的关键身体区域，为医学研究和临床实践提供了宝贵的信息。总的来说，这项技术展示了深度学习在医疗诊断领域的巨大潜力和应用价值。

Biomedical and Health Sciences (BMED)

- First Award -

BMED001 - Stemness Paradox of Germ Cells and Cancer Cells

Project Quad Chart

项目简介

本项目研究了灵长类动物精原细胞干细胞（SSC）系统与癌症干细胞的联系，特别是关注灵长类特异性癌症睾丸抗原（CTA）基因的作用。

通过生物信息学和实验手段，发现这些CTA基因对SSC和癌细胞的增殖至关重要。研究揭示了CTA的双重功能：既维持生殖细胞，又被癌细胞利用以促进肿瘤生长。这一发现为癌症治疗提供了新靶点，并深化了对癌症生物学和人类生理学进化方面的理解。

独家解析

这个项目主要是想弄清楚，癌症干细胞为什么那么能繁殖。团队提出了一个挺有意思的想法：癌症干细胞可能“借用”了精原干细胞的繁殖能力，所以它们才能不停地繁殖。

为了验证这个想法，团队用上了生物信息学的方法和生物实验。他们先找出了哪些基因是只在灵长类动物里有的，还有哪些基因在人的精子里特别活跃。然后，他们通过一系列实验，比如敲掉某些基因，看看细胞和癌细胞的生长情况，来验证这些基因是不是真的对癌症干细胞有影响。

这个项目的新颖之处在于，它从进化的角度来考虑问题，可能会找到一些新的治疗癌症的方法。而且，这些新方法可能对身体的伤害比较小，因为它们直接针对的是癌症干细胞。总的来说，这个项目挺有挑战性的，设计得也相当完整。

Biomedical Engineering (ENBM)

- First Award -

ENBM039T - OralAI: Mobile Dental Disease Prevention

Project Quad Chart

项目简介

OralAI研究项目旨在开发一款创新的牙齿检测系统，以应对全球45%的人口受口腔疾病困扰的问题。该系统结合了自定义物理原型与新型UV-A荧光生物标志物，通过训练两个高精准的YOLOv8模型，实现了对用户口腔中牙齿生物膜区域的有效识别。

此外，项目开发的全栈移动应用使得用户能够在家中实时监测自己的口腔健康。研究数据显示，OralAI的拔牙精度高达98.4%，菌斑识别精度达到93.4%，且移动应用的实际使用效果与数据集测试结果一致。

这一经济实惠且基于RGB图像的系统不仅准确度高，而且具有广阔的市场前景，有望助力全球数十亿人改善口腔健康。

独家解析

OralAl这个项目真的很酷！它就是一个能让你在家就能检查自己口腔健康的神器。团队先是用了一个特别的物理模型，拍了200多张牙齿的照片，然后用了一种新型的UV-A荧光技术来标记牙齿上的问题区域。

接着，他们训练了两个超厉害的YOLOv8模型，这两个模型能帮你找出牙齿上哪些地方有生物膜，也就是可能出问题的地方。更厉害的是，他们还做了一个手机应用。你只需要用手机连上一个特制的口腔内窥摄像头，这个摄像头会把你的牙齿情况传到一个小电脑（树莓派）上。然后，这个小电脑会用之前训练好的模型来分析你的牙齿情况，最后把结果发到你手机上。

这个项目非常实用，特别是对那些在发展中国家、不容易去医院看牙的人来说。而且，这个项目不仅用了先进的AI技术，还关注到了人们的健康问题。跟我们今年所做的一个AI项目还挺像的，都是为了让大家更方便地关注自己的健康。

Cellular and Molecular Biology (CELL)

- First Award -

CELL032T - Decoding ASXL3

Project Quad Chart

项目简介

本项目致力于研究ASXL3基因在神经发育障碍（NDD）中的作用。通过利用CRISPR技术，我们成功构建了三种不同ASXL3基因剂量的H9胚胎干细胞系，并利用这些细胞系培育出玫瑰花结构和类器官。

研究结果显示，ASXL3基因的缺失会加速细胞生长，增加增殖细胞比例，但却减少了神经元的分化，特别是第5层皮质神经元。这一发现揭示了ASXL3在神经细胞分化中的重要角色。此外，我们还发现通过特定浓度的成纤维细胞生长因子（FGF）处理，可以有效促进ASXL3缺失细胞中的神经细胞分化，这为未来治疗NDD提供了新的可能途径。

本项目不仅为理解NDD的发病机制提供了新视角，也为开发针对ASXL3缺失的治疗策略奠定了基础。

独家解析

这个学生科研项目主要是探索神经发育障碍与ASXL3基因之间的关系。你知道吗，有33%的神经发育障碍患者都携带有ASXL3基因的突变，但这个基因具体是怎么影响神经发育的，还是个未知领域。

为了搞清楚这个问题，学生们使用了CRISPR这个基因编辑的“神奇剪刀”，对胚胎干细胞里的ASXL3基因动了动手脚。他们设计了三种方案：一种是保留这个基因不变，一种是剪掉基因的一部分，还有一种是把整个基因都剪掉。然后，他们就静静地观察这些细胞会怎么分化、怎么生长。

在实验过程中，他们关注了几个重要的指标：首先，要确认CRISPR是否真的按照预期编辑了细胞；然后，看这些编辑过的细胞能不能正常分化成神经细胞或者脑类器官；接着，他们还检查了细胞的增殖情况和神经元的分化情况；最后，他们对完全保留和完全剪掉ASXL3基因的细胞进行了基因转录层面的对比分析。

他们还用不同浓度的成纤维细胞生长因子去处理那些被剪掉了ASXL3基因的细胞，看看这些细胞能不能恢复分化能力。这个项目的亮点在于，虽然实验设计不算特别复杂，但非常完整，形成了一个闭环。这样的设计让实验结论变得很有说服力，也为我们理解神经发育障碍提供了新的视角。简单来说，这个项目就是在努力找出ASXL3基因和神经发育障碍之间的关系，希望能为未来的疾病治疗提供新的思路。

Computational Biology and Bioinformatics

(CBIO)

- First Award -

CBIO044 - Chemically Reducing CtBP Transcription Reverses AD

Project Quad Chart

项目简介

该项目针对阿尔茨海默病（AD）这一当前医学难题，提出了一种创新的药物发现方法。研究者通过开发一种靶标鉴定方案，能够快速评估药物对人类细胞中基因表达的影响。在研究过程中，他们发现抑制CtBP2基因是对吩噻嗪类药物保护作用的重要机制之一。然而，由于CtBP2蛋白质的结构复杂且不稳定，传统药物开发方法面临挑战。

为了克服这一难题，研究者转变了药物发现范式，从基于结构的筛选转向基于表达的筛选，即关注药物对mRNA基因表达的影响，而非仅仅关注药物与蛋白质的物理化学结合。为此，他们创建了一个新的机器学习模型，该模型能够在极度不平衡的数据集中准确预测，从而发现了能够转录抑制CtBP2的新化合物。

这些新化合物在消除小胶质细胞炎症和秀丽隐杆线虫麻痹方面表现出优于吩噻嗪类药物的效果，有望为阿尔茨海默病的治疗提供新的策略。此外，该项目还展示了一种通用且高效的药物发现方法，可广泛应用于任何高通量药物筛选实验，为医药研发领域带来了新的突破和希望。

独家解析

该项目针对目前尚无有效治疗方法的阿尔茨海默病（AD），提出了一种全新的药物发现策略。通过研究，项目团队发现了一种名为CtBP2的蛋白质的抑制作用，该蛋白质与年龄相关的表达增加与AD发病有关。

为了克服CtBP2复杂结构带来的药物开发难题，团队创新地采用了基于基因表达的筛选方法，而非传统的基于结构的药物设计。通过构建一个能在不平衡数据中准确预测的机器学习模型，项目成功发现了能转录抑制CtBP2的新化合物，这些化合物在初步实验中显示出了优于现有药物的疗效，为AD治疗提供了新的可能。

此外，该项目提出的药物发现方法具有通用性和创新性，可广泛应用于各类高通量药物筛选实验，对医药研发领域具有深远的影响。

Embedded Systems (EBED)

- First Award -

EBED031T-The Digital Air Rifle Ballistic Measuring Device

Project Quad Chart

项目简介

本项目研发了一种创新的弹道测量装置，旨在提升10米气步枪射击精度。该装置结合3D打印技术与高精度传感器，可实时测量弹丸速度、加速度等关键数据，并通过WiFi上传云端供远程分析。经测试，该装置成功检测出老化或损坏的步枪，并为射手提供详细的技术分析与改进建议。

其便携、易用及数据可视化特点，有望为射击运动员的训练和比赛带来革命性提升。

独家解析

该项目开发的数字气步枪弹道测量装置，结合高精度测量与现代无线通信技术，旨在提升10米气步枪射击精度。

它能精准测量弹丸速度、加速度等，帮助检测步枪性能，自动记录射击数据，便于后续分析。该装置技术先进、便携易用，通过云存储保障数据安全，同时考虑了射手舒适度，为射击运动和相关领域带来了重要的技术革新，并展现了极高的成本效益和实用性。

Energy: Sustainable Materials and Design (EGSD)

- First Award -

EGSD035 - Gasochromic Technology Enhancing Hydrogen Safety

Project Quad Chart

项目简介

该项目致力于开发并验证一种创新型、低成本、高可靠性的氢气传感器，以应对日益增长的氢经济需求，并提升储存与使用氢气的安全性。此传感器运用了气致变色技术，可在接触到氢气时引发颜色变化，从而实现无需电源的快速检测。

项目团队设计了由WO3-Pd薄膜、光电二极管、微控制器等组成的传感器结构，并进行了原型组装、编码、测试与实验验证。最终成果为一种能在30秒内快速响应的氢气探测传感器，这不仅为氢气的安全应用提供了有力保障，也为推动氢经济的进一步发展奠定了坚实基础。

独家解析

该项目运用创新的气致变色技术，通过氧化钨在氢气存在下的颜色变化来检测氢气浓度，为氢安全领域带来了新的突破。采用钯作为催化剂，提升了传感器的灵敏度和响应速度。项目不仅使用了市购的带钯催化剂的氧化钨薄膜，还尝试自制薄膜，虽未成功但展现了探索精神。

通过光电传感器和电压式氢气检测传感器的结合，项目深入研究了响应时间、温度和氢气浓度的关系，验证了检测设备的稳定性和及时性。此项目的亮点在于其低成本策略，通过颜色反应薄膜将氢气浓度转换为直观的视觉检测方式，不仅降低了成本，还有效地解决了传统氢气传感器数据易受温度影响的问题。

整体而言，该项目制作流程合理，实验数据完备，为氢安全检测领域提供了一种新颖且实用的解决方案。

Engineering Technology: Statics and Dynamics (ETSD)

- First Award -

ETSD071 - Improving Oblique Wing Aircraft Control

Project Quad Chart

项目简介

该项目设计并测试了一种创新的斜翼飞机，利用现代飞行计算机技术优化了机翼设计，显著减少了空气动力学耦合问题。通过计算机辅助设计、横扫理论优化和计算流体力学仿真分析，验证了该设计能减少9.2%的阻力，从而节省全球燃料成本和减少二氧化碳排放。

实验阶段，通过定制飞行计算机和新颖的抗耦合飞行代码，成功克服了气动耦合，大幅提升了飞行安全性和飞行员的控制权限。此研究展示了斜翼设计的巨大潜力，有望成为下一代节油飞机的有力候选。

独家解析

该项目专注于斜翼机的研究，这是一种能够通过旋转机翼来适应不同飞行速度并有效减少阻力的创新设计。基于NASA的早期研究，项目团队利用计算流体动力学（CFD）软件进行了深入的流体分析，对比了后掠翼的阻力大小，从而优化了机翼设计。

值得一提的是，该项目不仅停留在理论分析阶段，还实际制作了飞机实体，并通过实物飞行测试收集了大量姿态数据。这些数据的对比分析为设计的有效性和性能提供了实证支持。此外，项目在视频制作方面表现出色，充分展示了研究成果，这在科研项目中是相对罕见的。

最重要的是，该项目紧扣节能环保的时代主题，通过减少飞行阻力来降低燃料消耗，进而减少碳排放，具有显著的环保价值。综合来看，该项目在技术创新、实践验证和环保理念方面均表现出突出优势。

Environmental Engineering (ENEV)

- First Award -

ENEV016 - Remote Sensing for Peatland Restoration

Project Quad Chart

项目简介

该项目利用新型开源多传感器遥感技术（包括多光谱、合成孔径雷达和干涉SAR），监测爱尔兰泥炭地的恢复情况。

通过对六个不同退化程度的试验点进行多传感器观测，研究团队成功地识别了植被、水分含量以及地表运动的变化，为泥炭地恢复提供了全面、具有成本效益的监测方法。

这一技术有望在全球范围内助力泥炭地恢复工作，支持各国实现减排和生物多样性保护目标。

独家解析

该项目旨在通过卫星数据的数学分析，开发一种有效的泥炭地检测方法。其中，项目团队创新地采用了INSAR合成孔径雷达干涉技术，这项技术能够通过对比不同时间点的SAR数据，精确地监测到地表的微小形变，如沉降或抬升，从而为泥炭地的状态变化提供关键信息。同时，项目还结合了多光谱图像提取技术，通过归一化差异指数进行数据转换，再与SAR数据进行对比分析，进一步提高了检测的准确性和可靠性。

项目的主要特点体现在其宏大的应用视角和先进的数据处理技术。它不仅关注自然界的泥炭地检测，有助于人类更好地了解和掌握环境状况，而且在数据处理与融合方面展现了高度的技术实力，使得处理结果更具可信度。这种跨学科的技术融合与方法创新，对于环境监测和保护具有重要意义，有望为相关领域的决策提供科学依据。

至于提到的生物学基因排序部分，虽然与本项目无直接关联，但排序基因也是一项高度复杂且精密的工作，它涉及到对生物遗传信息的深入解析，是现代生物学研究的重要组成部分。不过，在本项目的分析和解析中，我们主要聚焦于泥炭地检测方面。

Microbiology (MCRO)

- First Award -

MCRO023 - Endophytes in Plant Litte Decomposition

Project Quad Chart

项目简介

该项目研究了托利松凋落物质量损失与叶面真菌内生菌丰度的关系。通过提取DNA和RNA，并利用下一代测序技术，项目团队确定了不同地理区域的核心内生菌种类。研究发现内生菌丰度与质量损失正相关，并成功利用基于ITS1序列的朴素贝叶斯算法对真菌进行分类，其中两种真老师株被准确鉴定。该项目首次在该领域实现了高模型精度和新颖的CTAB协议应用。

独家解析

本项目深入探究了叶面真菌内生菌在植物凋落物分解过程中的作用，采用生物信息学分析和机器学习算法，对真菌内生菌进行了全面的研究。项目设计目标明确，聚焦于全球碳循环和植物分解领域中的一个重要但未被充分研究的环节——叶面真菌内生菌。参赛学生通过深入调查，发现了叶面真菌内生菌的普遍存在，并针对其分类学上的空白进行了有针对性的研究。

在实验环节，项目团队精心选择了多个检测指标，包括提取托利松样本的DNA和RNA组织，进行测序，以及计算脱落物质量损失与内生菌丰度之间的关系。这些细致的实验步骤确保了研究结果的准确性和可靠性。特别值得一提的是，项目团队还成功开发了一种基于ITS1序列的朴素贝叶斯算法，用于真菌学属的分类，这一创新性的方法显著提高了模型的准确率，达到了94%。

此项目的竞争点在于其创新性结果和独特的分析方法。通过结合实验和计算机分析，项目不仅揭示了叶面真菌内生菌在加州地区的分布情况，还鉴定出了该地区的核心内生菌种——泰国盐碱菌和毛卷菇。

这种跨学科的研究方法为真菌分类学领域带来了新的视角和思路，展示了机器学习在生物信息学分析中的广阔应用前景。总体而言，本项目通过创新的实验设计和算法开发，为理解叶面真菌内生菌在植物分解和全球碳循环中的作用做出了重要贡献。

Physics and Astronomy (PHYS)

- First Award -

PHYS067T - ML for LIGO Continuous Gravitational Waves

Project Quad Chart

项目简介

该项目利用机器学习技术提升连续引力波的检测效率。通过训练卷积神经网络自动标记线伪像，提高探测器灵敏度；同时，构建物理信息神经网络以降低连续波搜索的计算复杂性。项目旨在实现首个端到端的连续波机器学习处理管道，进而提升对中子星、暗物质等天文现象的理解。

独家解析

本项目旨在通过集成机器学习技术来优化LIGO（激光干涉引力波天文台）在连续引力波（CW）搜索中的效率和准确性。通过深入研究机器学习在光谱噪声分类中的应用，项目团队寻求以这种方法作为传统确定性方法的替代，以解决光谱噪声伪影的问题，并降低连续波搜索的计算复杂性。

项目的核心分析范围聚焦于LIGO的检测器表征（DetChar）活动。DetChar是确保检测器达到最佳性能并确认引力波候选信号的关键环节。通过提升检测器的灵敏度，项目旨在提高引力波信号的捕捉能力，进而增加发现连续引力波的机会。

该项目的创新之处在于它尝试利用机器学习算法来自动识别和分类光谱噪声，这有望大大提高数据处理的速度和准确性。传统的光谱噪声分类方法往往依赖于人工审查，这不仅耗时而且容易出错。通过训练机器学习模型来自动执行这一任务，可以显著节省人力并提高效率。

此外，项目还探索了如何降低连续波搜索的计算复杂性。连续波搜索是寻找由快速旋转的不对称中子星产生的引力波信号的过程，这通常需要大量的计算资源。通过构建物理信息神经网络（PINN）来近似计算昂贵的匹配过滤搜索，项目团队希望能够在保持搜索精度的同时，显著降低计算成本。

总的来说，这个项目展示了机器学习在引力波天文学中的巨大潜力。通过集成机器学习管道，项目不仅提高了LIGO在连续引力波搜索中的效率和准确性，还为未来的引力波研究开辟了新的可能性。

Plant Sciences (PLNT)

- First Award -

PLNT016 - Sustainable Citrus Greening Disease Management

Project Quad Chart

项目简介

本项目旨在探索咖喱叶提取物作为一种有效和可持续的解决方案，以管理全球最具破坏性的柑橘病害——黄龙病。通过与抗生素土霉素的对比试验，研究团队发现咖喱叶提取物能够显著增加病树的叶绿素含量，改善其生长状况。

此项目为全球柑橘产业的可持续发展提供了新的可能性，并计划在未来两年内持续观察实验植物以验证其长期效果。

独家解析

本项目针对全球农业面临的抗除草剂杂草问题，提出了一种创新的解决方案。通过分析，我们看到该项目结合了全光谱成像技术和人工智能技术，开发了一种能够准确、迅速识别抗除草剂杂草的模型。项目首先通过改装常规相机，使其能够捕捉300-1100纳米的全光谱图像，这为后续的图像识别提供了丰富的信息。接着，利用TensorFlow和Keras等技术，在Google Colab平台上开发出了超级杂草分类模型。

该模型在训练过程中展现出了良好的学习能力，验证集上的表现与训练集相近，表明模型没有过拟合，具有较好的泛化能力。在识别普通鸡眼草为易感植物的测试中，模型达到了85.03%的高准确率，这充分证明了模型的有效性和实用性。

此项目的研究成果不仅支持了初始假设，即全光谱成像结合超参数调整的CNN模型可用于检测抗除草剂杂草，而且为现代农业管理提供了一个有力的工具。这一工具的应用前景广阔，不仅可以提高识别杂草的速度和准确性，还有助于降低农药使用，减轻环境压力，保护农业工人和公众健康。

总的来说，该项目展示了AI和全光谱成像技术在农业领域的巨大应用潜力，为提高作物管理的精确性、减少环境影响提供了新的可能。然而，为了更广泛地推广这一技术，未来还需要在技术的普适性、成本效益和操作简便性等方面进行更深入的研究。

Robotics and Intelligent Machines (ROBO)

- First Award -

ROBO011 - Effective Robotic Swarm Controller

Project Quad Chart

项目简介

本项目旨在开发一个高效的机器人群控制器，能够在动态环境中进行路径规划和任务分配。通过定制实验硬件和模块化柔性生产线环境测试，验证了控制器的功能。该控制器利用前馈神经网络进行任务分配，采用混合RRT-APF算法解决多智能体路径规划问题，提高了生产流程的效率和灵活性，降低了生产线重组的成本。

本项目成功模拟了模块化柔性生产环境，并适用于集中式和分散式机器人群。未来，该研究成果有望应用于实际机器人群，以应对现实世界的挑战。

独家解析

该项目在ISEF的ROBO类目中荣获一等奖，主要得益于其独特的构思和富有创新性的应用场景设计。项目目标是开发一个能够在动态环境中执行路径规划和任务分配的机器人群控制器，这一设定本身就颇具挑战性，且贴合当前工业自动化和智能制造的发展趋势。

在硬件构建方面，项目团队展现了相当的技术成熟度，通过差分驱动轮、ESP32通信模块以及视觉定位系统，构建了一个功能完备的机器人集群。特别是在机器人定位和通信方面，项目采用了稳定可靠的解决方案。

任务分配器的设计是项目的亮点之一，它利用多层感知机（一种前馈神经网络）来预测每个机器人对特定任务的适应性。通过手动遥控标记500组训练数据，项目团队成功地训练出了一个能够根据不同任务合理分配机器人的模型。这种数据驱动的方法在提高生产效率方面具有巨大潜力。

然而，项目在路径规划方面存在一定的局限性。项目团队尝试通过定义“集群时钟”来解决多智能体路径规划问题，但实现方式相对简单粗暴，缺乏灵活性。同时，项目采用的RRT路径规划算法虽然经典，但在本项目中并未进行优化，导致生成的路径可能不是最优的，且无法实现避障功能。这些限制在一定程度上影响了项目的整体表现和应用范围。

尽管如此，该项目仍然展示了机器人群控制器在动态环境中的巨大应用潜力。未来，通过引入更先进的路径规划算法（如Hybrid A*等）和地图感知技术（如SLAM），可以进一步提升机器人群控制器的性能和智能化水平。总体而言，该项目为工业自动化领域提供了一个有价值的探索方向，其构思和应用场景设计值得借鉴和发展。

Systems Software (SOFT)

- First Award -

SOFT044 - A Novel Second-Order Cone Programming Algorithm

Project Quad Chart

项目简介

该项目针对二阶锥规划（SOCP）这一数学优化中的基本问题，进行了关键性的算法创新。通过设计高效的近似解技术和大型约束分解方法，项目成功降低了高维SOCP问题的计算成本，显著提升了求解效率。新算法性能卓越，比先前最优的SOCP算法更快，且已证明能在矩阵乘法时间内收敛至最优解。

此外，本研究还开发了一款实用的SOCP求解器软件，为各领域的研究人员提供了强大工具，有望在机器学习、运筹学、能源、交通和金融等多个领域推动显著的性能提升。

独家解析

本项目针对二阶锥规划（SOCP）这一复杂的数学优化问题，采取了一系列富有创新性的解决策略。通过引入高效的近似技术，项目团队巧妙地降低了SOCP算法的计算复杂度，从而显著提升了求解效率。

此外，他们还开发了一种独特的锥分解方法，将原本庞大的约束条件细化为更小的锥，进一步优化了算法性能。值得一提的是，项目团队还从数学角度严谨地证明了新算法在矩阵乘法时间内的收敛性，充分展现了其稳定性和可靠性。同时，他们还精心打造了一款高效实用的SOCP求解器软件，为广大研究人员提供了便捷的辅助工具。

综合来看，该项目在二阶锥规划领域取得了显著突破，有望为相关行业带来实质性的应用价值。

Technology Enhances the Arts (TECA)

- First Award -

TECA019T - Diffusion-Based 3D Art Generation

Project Quad Chart

项目简介

CloudGen项目介绍了一种创新的文本到3D打印技术，旨在简化并加速3D艺术品的创作过程。该技术允许艺术家通过自然语言提示，即可快速生成3D模型，消除了传统3D设计的繁琐和耗时。CloudGen采用先进的潜在扩散模型，结合编码器-解码器机制，将文本提示转化为精美的3D结构，并通过双边滤波算法进行平滑处理，确保设计质量。

CloudGen项目介绍了一种创新的文本到3D打印技术，旨在简化并加速3D艺术品的创作过程。该技术允许艺术家通过自然语言提示，即可快速生成3D模型，消除了传统3D设计的繁琐和耗时。

CloudGen采用先进的潜在扩散模型，结合编码器-解码器机制，将文本提示转化为精美的3D结构，并通过双边滤波算法进行平滑处理，确保设计质量。此外，项目还提供了一个用户友好的web界面和VR设计查看器，以及一个新颖的编辑框架，使用户能够轻松修改和调整生成的3D作品。

通过CloudGen，我们为艺术家们打开了一个全新的创作领域，实现了人类与技术的完美结合，共同推动3D艺术的发展。

独家解析

CloudGen项目致力于简化并革新3D艺术品的创作过程。通过引入一种革命性的文本到3D打印技术，该项目使得艺术家能够依据自然语言提示迅速创建出3D模型，极大地提升了创作的便捷性和效率。

CloudGen采用潜在扩散模型，结合先进的编码器-解码器技术，将点云数据转化为精美的3D结构，并利用双边滤波算法确保设计的平滑与稳定。此外，用户还能通过一个直观的web界面和虚拟现实查看器实时预览和调整设计。CloudGen不仅验证了文本到3D打印技术的有效性，更为艺术家们开创了一种全新的、高效的3D艺术创作方式。

Translational Medical Science (TMED)

- First Award -

TMED005 - Multi-Sensory Mixed Reality Therapy for Dementia

Project Quad Chart

项目简介

MMRTD项目是一项针对老年痴呆症患者的创新型混合现实（MR）康复计划。该项目利用多感官刺激和沉浸式虚拟环境，通过嗅觉、听觉和视觉三种感知方式，结合定制内容，帮助患者同时提升身体和认知能力。

经过对6名老年痴呆症患者进行为期8周的实证研究，结果显示MMRTD不仅显著改善了患者的学习、记忆等认知功能，还激发了他们更高的兴趣、情感和参与度。与面对面治疗相比，MMRTD展示了更机构的康复效果，为痴呆症患者提供了一种新颖且富有成效的康复路径。

独家解析

该项目在展示中充分体现了其研究的针对性和实效性。首先，通过具体数据的量化分析，项目成功凸显了所研究问题的紧迫性和现实意义，同时明确了研究目标，使得整个研究方向清晰、有针对性。

项目的完整性和系统性也给人留下深刻印象，它不仅结合了前沿的VR技术，还设计了双重实验方案，既运用先进的计算机视觉技术进行参与者的面部表情和动作捕捉分析，又通过问卷调查收集数据，体现了科学与人文的双重关怀。

关于项目中的技术优势，虽然材料中没有详细阐述机器学习算法和计算机视觉方法的具体原理，但这并未影响项目的整体展示效果。这可能是因为项目的重点更多地放在了问题的解决和验证方案的实施上，而非技术细节的深入剖析。这种做法可能更有利于评委快速把握项目的核心和创新点，从而避免陷入过多的技术细节。

针对疑问部分，详尽介绍算法原理等项目技术细节确实可能让项目显得复杂，但并不一定会给评委留下冗杂或研究不聚焦的印象。关键在于如何平衡技术细节的介绍与项目整体的展示。如果技术细节的介绍能够更好地服务于项目目标的阐述，那么这样的介绍就是有益的。然而，如果技术细节的介绍过于冗长或与项目目标关系不大，那么确实可能会分散评委的注意力，甚至产生画蛇添足的效果。

该项目在展示中成功聚焦了研究问题，并提出了合理的解决方案和验证方法。虽然在技术细节的介绍上有所取舍，但整体上仍能够清晰地传达出项目的研究价值和创新点。这也反映出评委在此类别中更看重学生发现问题、提出假设并解决问题的能力，以及验证方案的合理性和可行性。

PART 3、ISEF备赛攻略：精心选题，稳扎稳打

从以上总决赛的一等奖获奖项目案例分析中也不难看出一些比较显著的特点：想要提高在ISEF竞赛中的获奖几率，重点在于项目选题的价值性、解决方案的独创性，以及研究流程的科学严谨性。

首先，选题方向与领域可以聚焦在具有深远的社会意义或科学价值，例如关注重大疾病的治疗手段、环境保护、弱势群体关爱等热点问题。其次，提出的解决方案要有所创新，相较于目前已有的方法要有显著的提升或突破。

同时，不可忽视的是研究过程的科学性和严谨性。这包括明确的研究主题、深入的思考探索、严密的逻辑推理、周全的实验设计，以及充足且有力的数据支撑。尤其是那些历经多次迭代、达到实用标准并在现实使用环境中得到有效性验证的项目，将更有可能在竞赛中崭露头角，赢得评委的认可和青睐。

若想在ISEF这样的高水准科研赛事中脱颖而出，选题尤为关键。选题应遵循可行性、创新性和研究价值三大原则，因为选题的好坏直接影响论文的质量和产出。为确保选题成功，建议学生及早开始筹备，以便有充足时间进行主题探索和信息收集。