培养复合人才
培养兼具 AI 思维、生物实验技能与工程执行能力的跨学科创新人才。
赛事介绍
推动 AI 与合成生物学深度融合
AI+合成生物创新大赛由天津大学主办，面向全球高校学生与研究者，鼓励以计算驱动实验、以实验验证模型，形成可复现的干湿闭环。
赛事定位与宗旨
构建跨学科研究训练系统
赛事培养兼具 AI 思维、生物实验技能与工程执行能力的跨学科创新人才。
我们推动 AI 赋能合成生物学，从研究设想到可验证、可复现、可落地的项目，并通过 Wiki、Expo、评审与开放资源连接全球学生、导师、研究者与合作伙伴。
双轨并举 · 证据优先
AI / 计算维度
机器学习 / 深度学习模型开发与应用，例如蛋白质结构预测、基因回路性能预测、代谢通量优化。
合成生物维度
标准化 DNA 元件的设计、组装与表征。
干湿闭环验证是重点加分项
竞赛导向
核心特色与考评方向
推动前沿应用
推动 AI 赋能合成生物学，从研究设想到可验证、可复现、可落地的项目。
搭建国际平台
通过 Wiki、Expo、评审与开放资源，连接全球学生、导师、研究者与合作伙伴。
计算可复现
计算工作应记录依赖版本、硬件环境、随机种子、数据脚本与模型检查点。
实验可追溯
湿实验应提供 Protocol、对照设计、实验记录，以及 ELN + Git + 数据指纹等可追溯证据。
人类实践
团队应把技术选择与真实需求、AI 伦理、生物安全、利益相关方反馈和负责任传播连接起来。
干湿闭环
从假设到证据的闭环路径
AI 预测
模型提出假设、序列、靶点或实验优先级。
湿实验验证 / 证伪
通过对照实验确认、否定或限定模型输出。
数据反哺
结构化结果进入训练、评估或校准数据。
模型迭代
下一轮设计基于证据，而不只是直觉。
组织架构
天津大学主办，多委员会协同支撑
委员会
组委会
负责整体运营、规则制定、争议裁决与跨部门协调。
委员会
学术委员会
把握学术方向与战略定位，指导评审标准制定。
委员会
评审委员会
负责具体项目评分、答辩评审与奖项推荐。
委员会
安全与伦理委员会
负责实验安全、AI 伦理、Check-In 审查与风险评估。
委员会
技术支持委员会
负责计算平台、代码托管、数据基础设施与提交支持。
证据与交付要求
计算设计与实验验证相互印证
说明模型输出如何进入实验，实验结果如何反馈到下一轮计算设计，并保留可复核的过程记录。
| 要求 | AI / 计算维度 | 合成生物维度 |
|---|---|---|
| 研究问题 | 模型提出假设、序列、靶点或实验优先级。 | 通过对照实验确认、否定或限定模型输出。 |
| 过程证据 | 记录代码、数据脚本、依赖版本、随机种子与模型检查点。 | 提供 Protocol、对照设计、实验记录和可追溯证据。 |
| 迭代闭环 | 结构化实验结果进入训练、评估或校准数据。 | 湿实验结果反向修正下一轮计算设计。 |
| 成果沉淀 | Wiki、代码仓库与可复现计算方法。 | Wiki、Protocol、元件或经过验证的实验数据。 |