面向评测与强化学习的实验数据
用真实实验,教 AI 做科学研究。
为构建科学评测和强化学习环境的团队提供实验室数据。选择材料和需要的测量项目,我们交付原始文件,并附上可用于给模型打分的实测答案。
以实测数据和科学家指导,围绕具体科研任务设计采集方案。
-
选择数据
在下方表格中选择材料和需要的测量项目。
-
我们负责获取
来自实验室已有的记录、新开展的实验,或正在进行的研究。
-
交付给你
原始文件、对应的实验条件,以及用于评分的实测答案。
数据类型
各类材料及我们可交付的测量数据
在左列找到你的材料。每个圆点代表我们可为该材料交付的一种测量数据,来自实验室已有记录或新开展的实验。
- 可交付的数据类型
- 可按需提供样例
| 材料 | 如何制备 | 结构与成分 | 性能 | 科研判断 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 工艺记录 | 设备日志 | X 射线衍射 | 电子显微镜 | 原子力与光学显微 | 元素与表面分析 | 拉曼光谱 | 伏安测试 | 阻抗谱 | 循环与耐久性 | 科学家的判断 | |
| 电池电解液与添加剂 ★ 可按需提供样例 | 可提供 | 暂不提供 | 暂不提供 | 暂不提供 | 暂不提供 | 暂不提供 | 可提供 | 可提供 | 可提供 | 可提供 | 可提供 |
| 锂离子电极与电芯 ★ 可按需提供样例 | 可提供 | 可提供 | 可提供 | 可提供 | 暂不提供 | 可提供 | 可提供 | 可提供 | 可提供 | 可提供 | 可提供 |
| 金属-氮-碳催化剂 ★ 可按需提供样例 | 可提供 | 可提供 | 可提供 | 可提供 | 暂不提供 | 可提供 | 可提供 | 可提供 | 可提供 | 可提供 | 可提供 |
| 燃料电池与电解用氧化物电极 | 可提供 | 可提供 | 可提供 | 可提供 | 暂不提供 | 可提供 | 暂不提供 | 可提供 | 可提供 | 可提供 | 可提供 |
| 石墨烯与二维薄膜 ★ 可按需提供样例 | 可提供 | 可提供 | 暂不提供 | 可提供 | 可提供 | 可提供 | 可提供 | 暂不提供 | 暂不提供 | 暂不提供 | 可提供 |
| 薄膜与光刻图形 | 可提供 | 可提供 | 可提供 | 可提供 | 可提供 | 可提供 | 暂不提供 | 暂不提供 | 暂不提供 | 暂不提供 | 可提供 |
| 合成粉体与陶瓷 | 可提供 | 可提供 | 可提供 | 可提供 | 暂不提供 | 可提供 | 可提供 | 暂不提供 | 暂不提供 | 暂不提供 | 可提供 |
| 样品类型 | 如何制备 | 检测 | 科研判断 | |||||
|---|---|---|---|---|---|---|---|---|
| 样品制备记录 | 流式细胞术 | 蛋白成像与蛋白质印迹 | RT-qPCR | ELISA 与酶标板检测 | 细胞活力与细胞毒性 | 酶动力学 | 科学家的判断 | |
| 培养细胞与免疫检测 ★ 可按需提供样例 | 可提供 | 可提供 | 可提供 | 可提供 | 可提供 | 可提供 | 暂不提供 | 可提供 |
| 酶及其突变体 | 可提供 | 暂不提供 | 可提供 | 暂不提供 | 可提供 | 暂不提供 | 可提供 | 可提供 |
数据来源
获取数据的三种方式
每一类数据都可以来自实验室已有的未公开记录、按你的要求开展的实验,或正在进行的研究。
评测与强化学习环境
可以向你的模型提出哪些问题
每个任务都向模型提供真实的实验室文件,例如仪器数据和设备日志,并按实际测量结果为其答案评分。任务分为五类,每类附一个示例。
原始数据分析
智能体打开仪器文件并给出一个量值,按参考值及容差评分。
示例 · 金属-氮-碳催化剂
氧还原反应的半波电位是多少?
- 提供给智能体
- 扫描曲线文件、电极直径和催化剂载量
- 评分依据
- 参考值及容差
保留结果预测
智能体阅读材料的制备与表征记录,预测其性能,按事先保留的测量结果评分。
示例 · 锂离子电极与电芯
第 300 圈时的容量保持率是多少?
- 提供给智能体
- 化成数据和前 50 圈循环数据
- 评分依据
- 事先保留的测量结果
测量选择
智能体在预算内申请测量,然后给出诊断,按诊断结论及所用成本评分。
示例 · 培养细胞与免疫检测
再做哪一项检测可以确定结论?
- 提供给智能体
- 目前已完成的检测结果
- 评分依据
- 专家答案及可接受的其他答案
过程监测
智能体根据设备日志回放一次实验,指出故障或偏离方案之处,按日志中的事件和最终结果评分。
示例 · 石墨烯与二维薄膜
反应炉在哪一段工艺步骤偏离了预设值?
- 提供给智能体
- 反应炉的设备日志
- 评分依据
- 日志中的事件
下一步实验决策
智能体看到决策之前的全部记录,选择下一步做什么,按科学家当时记录的选择及随后的结果评分。
示例 · 锂离子电极与电芯
下一步应测试哪个配方?为什么?
- 提供给智能体
- 截至目前的结果
- 评分依据
- 科学家记录的选择及其结果
- 334
- 项评测任务
- 681
- 项训练任务
- 116
- 个评测回合
实验类别
AI 可以学习的科学实验示例
通过材料、化学和生物学实验,探索 AI 可以学习的操作、测量与研究判断。我们按学习目标安排实验与专家指导,也可补全适用的历史记录。
电池与电化学
循环、阻抗、工艺记录与性能数据
电池与电化学
循环、阻抗、工艺记录与性能数据

把材料制备、电池组装与实测性能关联起来。
- 可讨论的实验
- 配方与电极涂布、纽扣电池组装、化成、循环测试及电化学表征。
- 可采集的数据类型
- 化成与循环时间序列、阻抗及电阻测量、工艺与配方记录,以及与电芯对应的元数据和后续性能结果。
研究制备条件与性能的关系,评估模型如何解读差异、对照和失效。
薄膜与二维材料
反应器日志、拉曼光谱、显微图像与制备记录
薄膜与二维材料
反应器日志、拉曼光谱、显微图像与制备记录

把薄膜制备和二维材料转移过程,与实测质量和下一步工艺判断关联起来。
- 可讨论的实验
- CVD 生长、旋涂、光刻、沉积、刻蚀、剥离和石墨烯转移;可围绕单步骤或连续制备流程开展。
- 可采集的数据类型
- 反应器时序数据与工艺事件;原始拉曼光谱、空间映射及采集元数据;显微图像、表面扫描与专家质量判断。
评估图形保真度、膜层覆盖情况和损伤,并保留进入下一步前所需的专业判断。
测量示例
材料测量能告诉我们什么
这些基于光的测量展示了材料在扫描线上不同位置的响应。经科学家审核的解读,可以帮助模型学习识别差异、判断质量。

实验过程中发生了什么
这些曲线记录了单次运行中的反应器信号。工艺记录可以帮助模型将实验条件与观察结果联系起来,判断下一步需要研究什么。这份记录与拉曼示例来自不同实验。

已收到的研究样例
工艺问题实例
这些显微图和 AFM 图展示了研究人员报告的加工质量问题。新实验可以将这些观察结果与工艺参数、原始测量和下一步研究判断关联起来。
查看完整图像激光光刻
- 原样例报告的问题
- 微波谐振器激光光刻后,图形边缘出现波浪或扇贝状起伏,线宽不一致。
- 新方案需要采集的数据
- 曝光配方与参数、经标定的图形图像和线宽测量,以及研究人员接受或返工的判断。
- AI 学习任务
- 评估图形保真度,判断能否进入下一道加工工序。
查看完整图像石墨烯转移
- 原样例报告的问题
- 原幻灯片报告,转移后的 AFM 检查显示孔洞未被石墨烯覆盖。
- 新方案需要采集的数据
- 转移与干燥条件、原始 AFM 扫描和高度剖面、基底与扫描位置,以及下一步工艺判断。
- AI 学习任务
- 检查膜层覆盖情况,选择后续测量或工艺调整。
查看完整图像多层膜沉积
- 原样例报告的问题
- Si/SiO₂/SiNₓ 多层结构经 CVD 沉积后出现褶皱和破损。
- 新方案需要采集的数据
- 层序与沉积参数、原始显微图、膜厚与缺陷测量,以及研究人员的解读。
- AI 学习任务
- 识别膜层损伤,判断下一步应排查哪道工序。
图像由 Hadi Arjmandi Tash 提供。每个新方案会另行明确原始文件、样品关联和采集条款。
材料合成与表征
衍射、显微成像、成分与性能数据
材料合成与表征
衍射、显微成像、成分与性能数据

将材料制备过程与结构、成分和实测性能对应起来,包括催化剂与氧电极研究。
- 可讨论的实验
- 固相合成、XRD、显微成像、元素或表面分析,以及催化剂和氧电极的性能与耐久性测试。
- 可采集的数据类型
- 衍射图谱、显微图像、元素分布图和表面光谱,电化学响应与耐久性时间序列,以及样本和测试元数据。
为结构与性能预测、物相分析和实测证据解读构建数据集。
化学合成与分析测试
反应记录、光谱与色谱
化学合成与分析测试
反应记录、光谱与色谱

记录反应投入、产出,以及用于确认结论的各项检查。
- 可讨论的实验
- 反应筛选、分子表征、NMR 与 LC-MS、分析方法验证、质量控制及经约定的路线开发。
- 可采集的数据类型
- 反应投入物与条件、光谱和色谱,物质鉴定、产率或纯度实测结果,以及对照、参照测量与专家解读。
训练反应模型,评估结构归属、分析推理和测量问题诊断。
酶工程与生物催化
变体、蛋白质量与活性数据
酶工程与生物催化
变体、蛋白质量与活性数据

跟踪序列变化如何影响蛋白生产、经校准的酶活和底物响应。
- 可讨论的实验
- 经序列验证的变体、独立蛋白制备、蛋白质量和酶活检测。动力学与稳定性研究可另行约定。
- 可采集的数据类型
- 变体与蛋白生产记录,活性、底物响应、动力学和稳定性测量,以及对照、制备信息与专家解读。
建模序列、表达与功能的关系,并区分蛋白回收量和催化性能。
细胞生物学与免疫检测
细胞信号、图像与测定结果数据
细胞生物学与免疫检测
细胞信号、图像与测定结果数据

把受控干预与不同检测中的细胞响应和分子测量关联起来。
- 可讨论的实验
- 细胞活力与毒性、流式细胞术、Western blot、qPCR、ELISA 及共培养研究。
- 可采集的数据类型
- 流式细胞术信号、细胞与蛋白图像、基因表达和微孔板测定数据,以及对照、样本元数据与科学解读。
学习细胞响应规律,评估对多种检测、对照和相互矛盾证据的解读。
项目开展或数据交付前,逐项确认实验方法、实验室承接能力、可用历史记录和数据使用权。
科学研究过程
记录科学家如何设计、判断和迭代。
将实验设计、配方开发与每轮迭代中的科研判断关联起来,帮助 AI 学习如何开展新的研究。
团队可获得的交付内容
训练科研能力,保留专家判断,验证模型表现。
先明确要学习的科研能力,再确定原始记录、专家示范,以及用于评估或强化学习的可验证结果任务。
实验过程
按实际执行情况记录操作步骤、方案版本、制备过程和处理情况。视频拍摄为可选项。
测量数据
仪器原始文件与开放格式导出,附参数、单位和样本编号。
元数据与质量检查
样本与实验批次编号、仪器参数、单位、时间戳、对照、独立重复及质控标记。
研究人员的判断
经专家审核的解读,以及继续、重复或停止实验的判断。每项任务的实测答案和评分规则单独约定。
关联清晰的完整交付
保留原文件,并提供样本与文件对应表、数据字典和校验值。专家标注与解读单独交付;训练与评测使用权按项目商定。
实验数据评估
用实测结果检验科研判断。
我们用电池和催化剂实验记录构建预测任务,保留实测结果,并与基础科学方法比较。查看任务定义、评分方式和评审过程。
查看评估方法这些小规模探索性评估不代表训练收益,也不构成模型的综合排名。
- 明确科研判断
- 保留实测结果
- 与基础科学方法比较
- 审核答案与证据
学习科学研究过程
实验室中的科学实践
这段配有解说的影片说明,如何将实验规程、设备和可观察的操作与结构化实验记录关联起来,用于科学 AI。
补全已有研究数据
完善已有研究数据
我们委托科学家找回保留的记录和背景信息,将测量数据对应起来,并补充专家标注与解读。对于缺失的物理证据,与来源实验室商定新增测量或新实验。
保留原文件,不作改写。专家标注与补充背景单独交付;缺失的物理证据需要新增测量,并明确标为新采集的结果。
规划科学学习项目
你希望 AI 学会什么科研能力?
告诉我们你希望模型掌握哪些科研能力。我们将与你一起查看相关样例,明确测量内容、科学家参与方式和采集方案。
先提供不涉及保密信息的简要需求。工作开始前会确认可行性并提出明确方案。

AI 科研学习项目
