学科交叉融合是当前科学技术发展的重大特征，是新学科产生的重要源泉，也是培养创新型人才的有效路径。大连理工大学通过体制机制创新，成立了以“AI赋能传统工科转型升级”为内核的未来技术学院，并集中建设了涵盖智能分子工程、智能生物工程、智能制造工程、智能车辆工程等新兴交叉学科专业的沉浸式AI实验场域。
| 智能分子工程 | 智能生物工程 |
智能分子工程场域，学生可以借助人工智能的强大算力，根据具体的应用需求或行业痛点，精准地进行分子设计与逆合成分析，并可以通过智能算法，快速呈现复杂的分子结构与合成路径。基于源于真实产业需求的微项目，学生可以通过“AI分子设计-高通量测试-数据智能分析”反复迭代优化，最终筛选出性能最优的分子结构。 | 智能生物工程场域，学生可以利用VR技术将抽象的生物学知识，“进入”细胞内部进行交互探索和认知，DNA复制、蛋白质折叠、细胞器功能、基因组测序变得触手可及。此外，学生可以在智能生物工程垂直大模型的帮助下，基于真实科研需求的微项目进行项目式学习，在集成环境中进行编码实践、数据分析，并使用AI蛋白质结构预测工具将抽象序列具象化。 |
| 
|
深度强化学习药物设计微项目
Ø 核心技术：Deep Q-Network (DQN)算法 + 分子指纹技术
Ø 功能实现：从头药物分子设计，使用SMILES字符串和Morgan分子指纹进行分子表示学习
Ø 技术架构：DRLAgent + DrugDesignEnv环境 + 经验回放机制
Ø 性能指标：86.4%收敛成功率，平均Tanimoto相似度0.742，92.7%类药性分子比例
http://10.8.144.147:30998/dna_ml_project.html
DNA序列机器学习微项目
Ø 核心技术：朴素贝叶斯分类器 + K-mer特征工程
Ø 功能实现：跨物种DNA序列分类，支持三种编码方法（序数编码、独热编码、K-mer计数）
Ø 数据规模：6,882个DNA序列，涵盖跨物种的7种基因家族
Ø 性能指标：人类DNA预测准确率98.4%，大猩猩DNA预测准确率99.3%
http://10.8.144.147:30998/drug_design_project.html
智能制造工程
面向智能制造实践教学，突破常规实践教学模式，以节拍、工位、设备、产能等数据为输入，利用人工智能算法预测运行数据，将现阶段的自主设计转换为数字产线自动生成，将学生的主要工作由“选设备、调信号”转变为“改算法、调参数”，为产线自主设计提供“智能化”的解决方案。通过边界条件和特性描述，根据加工时长、加工能力等动态优化调整订单合批数量，对生产过程进行智能排程，基于产线状态监测数据进行智能工厂自决策，引导学生将对智能化的理解从“产线智能化”上升到 “工厂智能制造自决策体系”。
具体详见：https:fdsim.com
智能车辆工程
智慧座舱创新实践平台
智慧座舱创新实践平台报考自动驾驶场景重建、复杂动力学模拟、自动驾驶关键技术测试等模块功能，可能开展高保真复杂交通场景构建试验、多传感器数据融合算法开发与测试实验、智能车辆全局及局部路径规划算法测试实验、车辆动力学建模与控制实验。
上述工作为“AI赋能传统工科转型升级”提供了可复制、可推广的示范案例。
电话：0411-84706062
邮编：116024
地址：辽宁省大连市凌工路2号