屏幕前，一位“数字人”正娓娓道来催化剂制备的奥秘，虚拟实验室里，学生大胆试错，反复推敲制备方案；知识图谱上，520多个知识点如星云般连接成网……

2025年11月5日，这门由中石大化学工程与环境学院教授吴志杰主讲的课程“催化剂设计与制备”，从全国162门申报课程中脱颖而出，入选中国学位与研究生教育学会评定的21门“AI创新课程”。

传统的工科学科，如何利用AI工具助力培养“具有突出技术创新能力”“善于解决复杂工程问题”的未来卓越工程师，课程教学是非常重要的一环。

锚定课程教学的核心痛点

“以前，这门课涉及的五百多个知识点是碎片化的，像一盘散沙，我常常感到困惑，很难把它们串成一个完整的体系。”最初学习“催化剂设计与制备”这门课时，很多同学都有类似的苦恼。

课程负责人吴志杰教授说，催化本身是化学、材料与工程交叉的学科，选修该课程的学生专业背景差异大、年级跨度大（大四、研一和博一学生）。工业催化专业的学生熟悉催化基本理论，而来自环境专业、动力工程及工程热物理等专业的学生基本未接触催化，学习基础参差不齐。

传统的“教师讲、学生听”模式，难以实现个性化教学。更棘手的是，催化剂制备与性能评价实验，往往涉及高温高压、易燃易爆气体，危险性高、实验成本高昂，学生的实操机会有限。如何让学生掌握理解催化剂制备和评价实践中的关键技术和方法，并能将其应用于后续的科学研究或工程实践中，成为教学改革必须攻克的难题。

2023年起，中石大依托“研究生教育质量与创新工程”，启动AI课程专项建设。“催化剂设计与制备”课程团队开始探索将人工智能深度融入教学全流程。

“AI+能源催化”教学探索实践

课程团队构建的核心引擎是 “催化加速器”的智能体矩阵。打造了“理论学习—模拟实践—问题诊断—科研创新—实验安全”全链条智能体协同矩阵，提升学生灵活应用知识解决实际问题的能力，培养学生的创新思维。

课程团队拆解、重构了海量教学资源。将1300多个视频、音频、课件等碎片化内容，系统整合成一个包含16.8万条知识点的智能知识库，并构建了可视化的课程知识图谱。

“这就好比给所有知识点安装了‘导航系统’。”吴志杰介绍道，“学生可以按图索骥，自主探索知识关联。”

课程的第二个创新在于，建设集成7大工具集、51项指令的“AI辅助工具箱”，覆盖AI助教、助学、助研、实验、素养提升五大维度。对于学生而言，最直接的感受是身边多了一位 “智能学伴”。

“以前上课忙着抄笔记，现在AI会同步生成重点突出的图文摘要，核心公式、逻辑脉络一目了然，我能全程专注听讲和互动。”

课程还运用检索增强生成技术，将相关科研实践和工业生产案例引入智慧教学过程。其中最重要的是将高风险、高成本的实验环节“搬”进了虚拟空间。借助“智慧实验平台”，学生可以在仿真实践设计和操作实验。平台还与知识图谱、AI学伴深度联动。博士生郭盈铄表示实验中遇到瓶颈，随时可以提问。比如“基于我的数据，哪些因素限制了选择性？”AI能结合操作记录与理论，给出精准调整建议。同时，针对基础薄弱的学生，能把复杂的催化理论，结合具体的工业案例娓娓道来，帮助学生夯实基础，弥合专业背景差异。

科研能力的培养还延伸到课堂之外：AI科研助手能帮学生分析文献、润色论文，催化剂设计工坊针对需求推荐科研选题，科研论文写作训练室模拟从选题到成文的全流程。

“以前是老师讲什么我学什么，现在我能通过AI自主探索感兴趣的科研方向”。

这种转变背后，是课程“虚实融合”“产研贯通”的特色优势，让学生在虚拟场景中夯实专业基础、扎实科研能力。

“AI不是万能的”

“AI不是万能的，容易存在AI幻觉。”吴志杰表示，目前课程仍存在需要完善的地方：AI对部分复杂科研问题的解答不够精准，学生答题可能出现“套路化”倾向，模型还需要通过多轮教学数据持续训练优化。

“催化领域的一个显著特点是工业实践往往领先科学研究，很多实践问题目前没有标准答案，这对AI训练是挑战。” 吴志杰说，未来会继续联合平台更新工业案例库，引导学生批判性使用 AI，避免过度依赖。

从知识图谱到智慧实验，从AI学伴到科研工坊，中石大类似“催化剂设计与制备”的“人工智能+高等教育”融合创新仍然在继续推进。未来，学校将持续深化人工智能赋能教育教学，为服务国家战略需求和培养能源领域高素质复合型人才注入更多智慧动能。

详情见链接：https://mp.weixin.qq.com/s/3reJTSij60HZ31HxRFPZyQ

（编辑  王以静）