在高中,
完成一项
真正的科研Real Research, Before College.

由国内顶尖大学一线科学家亲自指导,聚焦 AI for Science 前沿课题,系统训练科研思维,带领学员独立完成课题研究。优秀学员的研究成果将有机会发表于国际学术期刊。

✎ research log, vol.01
Research Pipeline学员科研进度
导师见面选题调研干实验数据整理文章撰写投稿
导师陈思远学员王子涵
多肽药物设计
已结项
<(^-^)>
<(^-^)>
多肽药物设计
缺血再灌注损伤
BindCraft-Gromacs
王子涵:智能体,帮我extract chain B
陈思远:或许SMILES式更为通用;王子涵:好耶,智能体,把小分子结构文件转为SMILES
王子涵:上传靶蛋白PDB文件;陈思远:对的,这几个参数需要这样配置
智能体设计多肽中
智能体筛选多肽中
陈思远:hello,你看一下有4个候选结构了,我们来分析一下……;王子涵:感谢老师讲解,我们可以开始模拟了是吧
智能体分子动力学模拟中
王子涵:老师老师,你看看我的MD数据;陈思远:RMSD稍微有些大,适当加长一下预平衡时间如何
智能体分子动力学模拟改进版
陈思远:王子涵,把数据整理一下发表吧;王子涵:收到,冲鸭
陈思远:哎,这个图不错,蛋白调成这个角度;王子涵:respect,直观好多
王子涵:我导,看看我的论文;陈思远:收到,晚点发你哈……成药性讨论加这些……
陈思远:ok啦,投出吧;王子涵:okk
reviewer:疾病机理扎实、CypD成药性讨论有深度、计算工作流设计清晰合理
100%
导师沈博文学员赵一鸣
分子性质预测模型搭建
投稿
<(^-^)>
<(^-^)>
分子性质预测模型搭建
血脑屏障的生理结构与相关数据集
选定分子性质数据-RDKit分子特征-模型选择与训练评估
赵一鸣:智能体,课上关于AdaBoost模型调整权重的部分我没太懂
智能体:AdaBoost通过调整权重让模型专注那些难分类的样本,具体的权重调整方法……
赵一鸣:我懂了!我先用AdaBoost搭建血脑屏障穿透预测模型
初步结果完成后……
赵一鸣:Accuracy达到了0.97!我导,这个结果很好了吧
沈博文:你是按照什么方式划分数据集的呢?
赵一鸣:Random Split呀
沈博文:你看数据集中有很多分子拥有非常相似的骨架,你试试看用scaffold划分数据集呢?
赵一鸣:果然,Accuracy掉到了0.75,原来模型是通过背诵分子骨架来预测的啊
沈博文:多换几个模型,另外做ablation test验证哪些特征比较重要
赵一鸣:经过特征选择后果然模型的泛化能力提升了,这些筛选出来的重要特征在化学上也说得通
沈博文:就是这样!你分析得很深入,整理结果开始写作吧
赵一鸣:谢谢我导!
95%
导师沈博文学员孙语嫣
别构药物设计
投稿
<(^-^)>
<(^-^)>
别构药物设计
KRAS相关通路和分子结构
CorrSite2别构位点探测-Vina虚拟筛选-MD模拟与别构效应分析-成药性评估
孙语嫣:智能体,帮我把这些分子对接到KRAS目标口袋上
分子筛选中
分子筛选中
沈博文:完成了,你看口袋中有一个氢键相互作用十分关键,按照这个氢键筛选结果
孙语嫣:好的!智能体,按照成氢键数量筛选对接结果
孙语嫣:智能体,计算hits的ADMET性质,继续筛选
分子筛选中
沈博文:KRAS口袋比较柔性,你需要跑MD来确认分子的结合构象
孙语嫣:收到!智能体,跑400ns的轨迹,结束后对结合构象进行聚类分析
模拟中
分析中
孙语嫣:导师,证据齐全了
沈博文:好呀,整理结果开始写文章吧
95%
导师周明轩学员罗梓轩
AI生成式模型产生模拟轨迹
文章撰写
<(^-^)>
<(^-^)>
AI生成式模型产生模拟轨迹
现有的MD轨迹数据库及AI生成式模型
XPONGE-SPONGE-Mdanalysis-UnbindingFlow
罗梓轩:智能体,把现有MD轨迹数据集喂给生成式模型,让它学习构象分布
智能体模型训练中
罗梓轩:模型收敛了!给个初始构象就能秒生成整条轨迹
周明轩:速度快不等于物理对,你先对比AI轨迹和真实MD的构象空间
罗梓轩:对比了,RMSD分布和RDF曲线都挺接近的
周明轩:接近好,但你要看采样路径——AI有没有捕捉到真实MD的罕见构象转变
罗梓轩:确实有差异,罕见构象采样不够。智能体,用SPONGE跑几条验证轨迹补一下
智能体SPONGE模拟中
罗梓轩:补上SPONGE轨迹后,能量landscape基本一致了
周明轩:好,物理量检验通过才算站得住脚——数据整理好,可以写了
罗梓轩:用Mdanalysis把分析做完了,配体解离路径也画出来了
罗梓轩:论文初稿写好了,AI生成模型可以作为一种新的采样范式来讨论;周明轩:可投,AI辅助采样是个有意思的方向
89%
导师陈思远学员唐可欣
口服多肽抑制剂
干实验课 10/10
<(^-^)>
<(^-^)>
口服多肽抑制剂
PCSK9蛋白与LDL受体相互作用
靶点识别-多肽生成-药性评估
唐可欣:智能体,帮我分析PCSK9表面,找适合多肽结合的口袋
智能体口袋分析中
唐可欣:PCSK9催化域旁边有个浅口袋,多肽应该能卡进去
陈思远:别忘PCSK9和LDLR有天然相互作用界面,参考那个界面来设计
唐可欣:好思路!智能体,参考LDLR结合界面的关键残基生成多肽
智能体多肽生成中
唐可欣:出了一堆候选,可是20多aa的太多了,口服吸收是大问题
陈思远:口服多肽关键是控制长度和端基修饰,试试N端乙酰化加C端酰胺化
唐可欣:收到!智能体,做端基修饰并筛选最优序列
序列优化中
79%
导师陈思远学员杨晨曦
女性雄激素性脱发
干实验课 9/10
<(^-^)>
<(^-^)>
女性雄激素性脱发
脱发机制调研
BindCraft-Gromacs-ADMET
杨晨曦:智能体,帮我用BindCraft设计靶向雄激素受体的binder
智能体binder设计中
杨晨曦:导师,出了几个候选binder,这个和AR配体结合域贴得最紧
陈思远:别急着选,先看界面有没有疏水核心,有疏水核心的更稳
杨晨曦:有道理!智能体,把最优候选拿到Gromacs里跑100ns MD
智能体分子动力学模拟中
杨晨曦:跑完了,RMSD稳定在5Å以内,界面氢键也维持住了
陈思远:不错不错,接下来算一下ADMET看看成药性怎么样
68%
导师周明轩学员李沐阳
分子胶药物设计
干实验课 2/10
<(^-^)>
<(^-^)>
分子胶药物设计
分子胶作用机理及明星药物调研
DSDP-SPONGE-SPONGEfep-ADMET
周明轩:以科学史为鉴,可以提taste;李沐阳:感觉自己的境界得到了提升
32%
导师沈博文学员陈星宇
多肽药物设计
干实验课 2/10
<(^-^)>
<(^-^)>
多肽药物设计
GPX4别构多肽设计
确立BINDCRAFT设计流程与MD验证方案
陈星宇:整理好的AI学习Syllabus发送给老师以便规划后续课程内容
32%
在研课题已结项
40+
一线科学家导师
来自国内顶尖高校
12个
AI4S 前沿课题方向
每期限额开放
6个
本期学员名额
面试竞争
92%
成果发表于国际期刊
基于大模型预测
SECT.I.
Why Research / 项目价值

标化成绩让你不被拒绝,
科研经历让你被记住。

在海外顶尖大学的申请池中,高GPA已是入场券而非加分项。一段真实、深入、可验证的科研经历,才是招生官判断学术潜力的核心证据。

01

真实的学术体验

从问题提出到成果产出,学员拥有完整可追溯的科研经历。文书与面试中的每一个细节,都来自亲手完成的实验与推导,而非包装。

02

可验证的成果背书

研究论文、预印本、开源代码与数据集——每一项成果都经过真实学术同行的审视,推荐信也因此有据可依,而非泛泛之词。

03

超前的学术能力

文献检索、实验设计、数据处理、学术写作——在大学开始前就完成科研方法论的训练,入学即领先同龄人一个身位。

“我们想看到的不是学生参加过什么项目,
而是他们在真实问题面前如何思考、如何坚持。”

—— 这几乎是每一所顶尖大学招生办公室反复强调的录取逻辑。科研训练的价值,从来不只是一纸证书,而是一套可被检验的思维证据。

星使少年学者计划的每一个环节,都围绕「真实」二字设计:真实的课题、真实的导师、真实的同行评审。

SECT.II.
Automation Workflows / 科研自动化工作流

科研管线自动化,
告别繁琐无聊的dirty work。

我们把科研中最耗时、最易出错的环节固化为自动化工作流——从数据准备、模型训练到结果可视化,一键运行、全程可复现。以下为不同主题的演示视频。

抗体突变综合筛选优化

自动完成复杂流程、全流程无人值守。

多肽药物设计

多肽药物设计全流程,从调研到设计,再到模拟验证,最后自动结果分析。

人源化抗体设计

复杂流程自动规划,任务复杂度拉满

SECT.III.
Mentors / 导师团队

指导你的,是奋战在科研一线
解决问题的科学家。

导师均来自国内顶尖大学与一流研究机构,活跃在 AI for Science 研究前沿。他们不教「科普」,而是带你进入真实的课题组工作方式。

北京大学
物理化学方向
副教授 · 课题组负责人

神经网络与分子动力学

在 Nature子刊、Science子刊等期刊发表论文,主持多项国家级重点研发课题。

神经网络分子动力学顶刊发表
北京大学
计算化学方向
博士研究生

AIDD药物设计

发表多篇SCI学术论文,有丰富的带低年级学生经验

小分子药物多肽设计AI模型开发
深圳湾实验室
计算生物学方向
助理研究员 · 青年科学家

CADD加速算法与数据库构建

研究成果发表于JCTC、JPC等杂志,主导动态数据库建设。

加速算法数据库CADD
北京大学
AI 药物设计方向
博士研究生

蛋白序列、结构与功能

与多家药企合作推进候选分子管线,成果发表于 Nature子刊。

蛋白组学药物发现产业合作
* 完整导师库覆盖 40+ 位科学家,按课题方向双向匹配了解详情 →
SECT.IV.
Frontiers / 前沿课题方向

站在 AI 与科学的
交叉口选题。

AI for Science 正在重塑人类探索自然的方式。每一个课题方向都对应真实开放的科学问题,学员将在导师指导下切入其中一个可攻坚的子问题。

TOPIC 01

小分子别构抑制剂

围绕已知别构口袋,筛选生成候选小分子,并进行结合验证

AIDD × 结构生物学→
TOPIC 02

明星分子胶结构模拟

调研明星三元共晶结构,通过分子动力学模拟解释分子机理

分子动力学模拟 × 分子胶→
TOPIC 03

突变耐药机制研究

调研耐药突变机制,通过docking或生成式模型寻找药物

docking × 耐药性→
TOPIC 04

多肽药物设计

调研爆款减肥多肽药物司美格鲁肽作用机制,设计更长效的多肽药物

多肽药物 × AIDD→
TOPIC 05

PPI结合能力预测

蛋白-蛋白作用机制初探、数据库构建和清洗、搭建预测模型

预测模型 × 蛋白-蛋白相互作用→
TOPIC 06

如何鉴别AI生成式分子动力学模拟轨迹

了解最前沿分子动力学模拟生成式模型,并设计有效的鉴别指标

生成式模型 × AI鉴别→
MORE

每期 12 个课题方向
限额开放中

课题库随导师在研项目动态更新,联系我们了解最新课题列表

了解完整课题库→
* 每期课题根据导师在研项目动态更新,学员与导师双向选择确定最终方向12 DIRECTIONS / 仅有 6 席
SECT.V.
The Journey / 科研之旅

一段为期 3–6 个月的
完整科研周期。

不是短期体验营,而是遵循真实科研规律的完整训练:从基础到攻坚,从写作到投稿,每一步都有明确的里程碑。

STAGE 01

选拔与匹配

学术潜力评估与面试,依据兴趣与基础匹配最适合的导师和课题方向。

第 0 月
STAGE 02

科研基础训练

文献调研方法、编程与数据分析、领域核心知识,补齐进入课题所需的全部工具链。

第 1 月
STAGE 03

课题攻坚

进入导师课题组节奏:每周组会汇报,提出假设、设计干实验、迭代验证,直面真实科研的挫折与突破。

第 2 月
STAGE 04

成果凝练与写作

将结果凝练为学术叙事,在导师逐句指导下完成符合国际规范的英文论文初稿。

第 3 月
STAGE 05

投稿与同行评审

向国际期刊或学术会议投稿,学习回应审稿意见。成果无论发表与否,都将成为申请中最硬的证据。

第 4 – 6 月
SECT.VI.
Connect / 详情咨询

想了解更多?
与科学顾问聊聊。

席位、课题与录取节奏等最新信息,都会由你的科学顾问一对一同步。扫码联系顾问,了解更多详情。

01

联系科学顾问

扫码添加科学顾问微信,与顾问直接沟通,任何关于课题、导师与培养方式的问题都能得到解答。

02

了解项目详情

课题方向、导师阵容、工作流演示与培养节奏,科学顾问会结合你的情况一对一详细介绍。

03

深度沟通

与科学顾问进行一对一深度沟通,进一步判断项目是否适合你。

04

后续安排

如有意向,科学顾问将引导你了解后续的正式流程与时间安排,从容规划。

联系科学顾问

专属科学顾问 · 一对一咨询

专属科学顾问 · 一对一咨询 二维码

扫描二维码,添加顾问微信,开启一对一咨询

没有科研基础也可以参加吗?+
可以。项目第二阶段专门设计了科研基础训练,覆盖编程、数据分析与文献方法。我们在选拔中更看重数理潜力与好奇心,而非既有科研经历。
高中生真的能发表国际期刊论文吗?+
已经有成功案例,而且AI全力加速中。我们的课题经过精心设计,在计算平台工作流加速和导师一对一指导下,优秀学员完全有机会产出达到发表水准的成果。我们承诺的是真实的过程与机会,而非结果的包办。
项目如何与校内学业平衡?+
科研任务以线上1v1为主,每周投入约 1–2 小时,课后可以通过计算平台VIP席位,无限token加速科研产出。神功大成之日,人在教室坐, 后台算力奔流不息,产出Never Stop。
指导是线上还是线下?+
以线上一对一指导与论文辅导office hour为主,计算类课题的实验均在云端完成。部分城市的学员有机会在假期进入导师所在实验室短期访学。