保障航天员在轨安全的空间站“电子鼻”体积缩小40%、分离效率提升3倍；制氢系统故障诊断准确率从92.26%跃升至95.04%，科研周期从“周级”压缩至“小时级”；旋转机械故障诊断模型参数量下降34%，预测误差降至原来的1%……这一组亮眼的数据，来自北京工业大学与北京AI企业的深度产学研合作成果。从保障航天员在轨安全，到关乎能源未来的氢能制取，AI正以惊人的效率重塑前沿科研的路径。

以空间站空气监测设备为例，这台被称为“电子鼻”的气相色谱仪是保障航天员生命安全的“哨兵”。空间站长期在轨运行，舱内空气质量直接关系航天员生命安全。人体代谢、设备老化、食品和货物释气等都会带来微量有害气体，因此空间站需要高精度空气监测设备。传统气相色谱仪可以完成检测，但设备体积和重量较大，在轨更换和补给都会带来成本压力。北京工业大学机能学院副教授苗扬团队希望通过微型气相色谱柱这一核心部件的攻坚，让空气监测设备变得更小、更轻、更高效。

然而，在传统研究方式中，需要人工设计构型、做仿真、制片、测试，再根据结果反复调整。“人工反复试错的过程周期长、成本高，还容易陷入局部最优解，而非全局最优解。”苗扬说。

引入百度推出的可自我演化的AI智能体“伐谋”后，科研人员将色谱柱的形状、排列方式等参数抽象成可优化的数学任务，由AI围绕目标自动生成候选方案、进行演化搜索。 短短72小时，伐谋便演化出了更优构型，能够在性能提升的同时，体积缩小40%，分离效率提升3倍。

苗扬带领的扶摇实验室长期从事高可靠场景下的智能诊断与可靠性评估研究，研究对象包括空间站环控生保系统、氢能系统等国家级重大课题。在制氢系统故障诊断研究中，AI也展现了惊人的效率。面对百余个变量、故障数据稀缺的复杂场景，团队将原有模型交给伐谋自动调优。结果，模型测试准确率从92.26%提升至95.04%，科研探索周期从以“周级”为单位骤降至“小时级”。

据北工大科研团队介绍，百度伐谋目前还在医疗诊断、设备测试、传感器调校、地质数字化等项目落地应用。一组回归算法人工调试需两天可以做到约60分，使用伐谋后半天优化到70分，两天迭代突破90分。

苗扬表示，伐谋为代表的AI力量正在革新传统科研范式，打破跨学科技术壁垒，帮助工科科研人员高效完成实验优化，让科研降本提速。

“面对AI重塑科研范式的全球科技竞争，我们不能只在传统赛道上追赶，而必须借助AI等新工具实现‘换道超车’，才能在新一轮科技角逐中赢得主动，最终实现科技自立自强。”苗扬说。

奔流新闻线索报料方式  

^{报料热线：13893646444（微信同号） 13993123681    0931—8159555}

^{报料邮箱：1902937948@qq.com}

展开剩余部分

打开奔流新闻APP，阅读体验更好