18833299652

  近来，北京理工大学物理学院王振宇、刘伟等辅导本科生在物理教育范畴世界尖端期刊《European Journal of Physics》宣布题为“Physics-informed acoustic detection of ball count in sealed containers”的研讨论文（Eur. J. Phys. 47 (2026) 035804），论文榜首作者为2022级使用物理强基班俞鸿彬同学。学院经过“立异试验”课程把我国大学生物理学术比赛（CUPT）开放性赛题转化为本科物理实践教育内容，本研讨即源于学生的结课效果，在对2024年一道“仅凭声响判别盒中粒子数”的标题研讨中提出了依据物理启示的机器学习声学检测的新办法，并据此规划了一套研讨型教育试验项目，为优秀立异人才教育练习供给了“课赛结合、全方面提高”的演示途径。

  依据这一物理洞悉，团队构建了轻量级的逻辑回归（LR）辨认模型。试验依据效果得出，该模型在36个小球数量辨认中零差错效果到达77.3%的精度，在±1差错范围内准确率提高至96.1%，在±2差错范围内高达99.3%。特别的重要的是，该物理启示模型展现出极强的数据功率与鲁棒性：即便练习数据缩减至原始数据集的10%，模型在±1差错范围内仍坚持88.2%的精度，明显优于纯数据驱动的杂乱非线性模型。这一效果不仅为非触摸式工业监测供给了低成本解决方案，更验证了“物理规则先行、机器学习辅佐”的跨学科研讨范式在本科教育中的可行性。

  该论文的另一重要贡献在于将上述研讨流程提炼为一套高度可复现的研讨型教育试验项目。团队提出了一个为期四周的结构化教育项目，旨在将本研讨的物理洞悉与数据剖析办法转化为面向本科生的试验项目资源：第1周，设备建立与数据收集；第2周，信号处理与特征提取；第3周，降维与物理可视化；第四周4，物理启示的机器学习评价。该项目面向具有经典力学根底与根本编程才能的二年级或三年级本科生规划，将非弹性磕碰、计算信号处理与数据科学有机交融，引导学生从“黑箱编程”走向“物理解说驱动的算法挑选”。

  这一效果的获得，离不开物理学院深耕多年的“课赛结合”教育改革，经过学习我国大学生物理学术比赛（CUPT）形式，面向物理专业学生开设研讨型课程“立异试验”，全面练习了学生的科学研讨、学术表达、批判性思想与团队协作才能。