人工智能时代下物理拔尖人才培养的探索实践

doi:10.16854/j.cnki.1000-0712.250378

大学物理 ›› 2025, Vol. 44 ›› Issue (12): 1-.doi: 10.16854/j.cnki.1000-0712.250378

• 专家视点 • 下一篇

人工智能时代下物理拔尖人才培养的探索实践

曹庆宏，刘佳，吴桃李，王小平，黎彬，桑海波

1. 北京大学物理学院，北京100871；2. 北京航空航天大学物理学院，北京102206；3. 北京师范大学教育学部，北京100875；
4. 北京师范大学物理与天文学院，北京100875

收稿日期:2025-07-20 修回日期:2025-09-05 出版日期:2026-03-13 发布日期:2026-03-17
作者简介:曹庆宏，男，博士，北京大学博雅特聘教授、国家自然科学杰出青年基金获得者、北京大学物理学院副院长、博士生导师，主要从事TeV物理与超出标准模型的新物理相关研究工作.

Cultivation of top physics talents in the era of artificial intelligence

CAO Qinghong1，LIU Jia1，WU Taoli1，WANG Xiaoping2，LI Bin3，SANG Haibo4

1. School of Physics，Peking University，Beijing 100871，China; 2. School of Physics，Beihang University，Beijing 102206，China;
3. Faculty of Education，Beijing Normal University，Beijing 100875，China;
4. School of Physics and Astronomy，Beijing Normal University，Beijing 100875，China

Received:2025-07-20 Revised:2025-09-05 Online:2026-03-13 Published:2026-03-17

摘要/Abstract

摘要： 本文系统探讨了人工智能(AI)在物理学科拔尖人才培养中的作用与路径.本文分析了AI在提升教学效率、优化学习体验和实现个性化支持方面的教育潜能，进而以基于问题的多元合作教学模式(TSAI)和AI赋能的本科科研训练为例，剖析了AI赋能物理拔尖人才培养的具体实践. AI不仅是技术工具，更推动了教学理念和学习方式的变革.基于AI与人类的优势互补，通过人机协同，激发学生提问、决策与创新能力，强化物理学科的育人价值.最后，提出了AI与物理教育融合的实践建议，为高校人才培养提供理论和实践参考.

关键词: 人工智能, 物理教育, 物理拔尖人才培养

Abstract: This paper systematically explores the role and pathways of artificial intelligence (AI) in cultivating top-tier talent in the field of physics. It analyzes AIs educational potential in enhancing teaching efficiency，optimizing learning experiences，and enabling personalized support. Using examples such as the problem-based collaborative teaching model (TSAI) and AI-empowered undergraduate research training，the study examines practical implementations of AI in physics education. AI is positioned not merely as a technological tool but as a driving force for transforming educational philosophy and learning approaches. By leveraging the complementary strengths of humans and AI through human-AI collaboration，the approach aims to foster students abilities in questioning，decision-making，and innovation，thereby reinforcing the educational value of physics. Finally，the paper offers practical recommendations for integrating AI into physics education，providing theoretical and practical insights for talent cultivation in higher education.

Key words: Artificial intelligence, physics education, training of top physics talents

曹庆宏, 刘佳, 吴桃李, 王小平, 黎彬, 桑海波. 人工智能时代下物理拔尖人才培养的探索实践[J]. 大学物理, 2025, 44(12): 1-.

CAO Qinghong1, LIU Jia1, WU Taoli1, WANG Xiaoping2, LI Bin3, SANG Haibo4. Cultivation of top physics talents in the era of artificial intelligence[J]. College Physics, 2025, 44(12): 1-.

[1]	韩佳佳, 张辉, 史博, 张长江, 黄玲玲. 赵凯华先生与费曼物理教育思想的共性分析及启示[J]. 大学物理, 2025, 44(8): 98-.
[2]	彭征, 俞鹏. 赵凯华先生对中学物理教育的影响[J]. 大学物理, 2025, 44(8): 103-.
[3]	姜文印, 刘宸宇, 王宇兴, 王伟. 大语言模型在大学物理实验课程中的应用探究[J]. 大学物理, 2025, 44(7): 36-.
[4]	张红光, 李永涛, 杨志红, 陈伟, 毕岚, 董慧媛, 王允辉, 单俊豪. 基于知识图谱的“大学物理”AI课程建设与实践[J]. 大学物理, 2025, 44(5): 41-.
[5]	吴迪, 马滟青. 用物理学思维点亮人工智能的未来——解读 2024 年诺贝尔物理学奖[J]. 大学物理, 2025, 44(4): 1-.
[6]	高健智, 杨洁, 于冰, 张旭, 李金环, 宋峰. 我国中学物理教师队伍现状与职业发展调查[J]. 大学物理, 2025, 44(2): 13-.
[7]	包扬, 刘子嫣, 周飞, 陈欣茹, 宛汀. 人工智能在《高等电磁场》课程中的辅助教学研究[J]. 大学物理, 2025, 44(12): 89-.
[8]	朱钦圣, 杨世璐, 刘恒宇, 滕保华. 量子机器学习简介及其在特定场景中的应用[J]. 大学物理, 2023, 42(8): 27-.
[9]	赵芸赫, 马宇翰, 孙昌璞. 物理教育期刊对科研原始创新的推动[J]. 大学物理, 2022, 41(6): 1-.
[10]	李姣姣, 周雨青, 董科, 王佳宁. 大学物理教学研究的发展演进探析——基于知网的可视化分析[J]. 大学物理, 2022, 41(3): 41-.
[11]	王祖源, 张睿, 张志华. 混合式教学策略研究———以疫情期间教学现状为例[J]. 大学物理, 2020, 39(9): 1-5.
[12]	周静. 赵凯华先生与《大学物理》期刊[J]. 大学物理, 2020, 39(11): 1-6.
[13]	郭九苓, 朱守华. 北大物理教育发展报告[J]. 大学物理, 2020, 39(06): 1-13.
[14]	黄安平，张新江，肖志松. 从信息物理角度审视大学的人才培养[J]. 大学物理, 2018, 37(2): 42-46.
[15]	陈小平. MOOC的发展及对高校物理课程的影响[J]. 大学物理, 2015, 34(8): 38-38.

人工智能时代下物理拔尖人才培养的探索实践

Cultivation of top physics talents in the era of artificial intelligence

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0