在现代教育背景下，化学人才培养面临着与需求脱节的严峻挑战，尤其是制药等高端化学行业的需求和高等院校科研与实验教学方法之间存在着巨大的差距。我们所开发的数据驱动型智能化学合成平台，旨在探索 AI 赋能的化学合成技术对顶尖化学人才培养的变革性推动作用。

该平台使学生有机会接触并实践前沿的智能合成技术，全方位体验 AI 在化学研究中的应用，从而激发学习兴趣，为基础科学顶尖人才培养开辟数字化学习的新途径。将这一平台与化学人才培养过程中的科研训练相结合，有助于学生构建对科研过程中智能化学的新认知模式，这代表着智能化学人才培养模式的新变革。

在 AI 赋能科研训练的学生培养模式下，其科研模式为：学生学习运用大语言模型来设计实验方案，对化合物合成过程进行自动高通量筛选和连续流优化，为反应机理分析提供大数据支持，进而学会在高性能化学品开发过程中运用新的研究模式。

在此过程中，还能让学生认识到，人工智能赋能化学合成技术，是从劳动密集型向全自动高通量的技术密集型技术的转变，这种技术为构建高精度数据模型和深入理解化学反应机制奠定了坚实的基础，能够极大地提高分子开发效率，培养学生相关的科研思维和意识。

在 AI 赋能科研训练过程中，学生利用文心一言大语言模型设计高通量实验方案，并当场使用上位机设置控制流程，执行智能高通量化学合成操作，在教师的指导下对采集的数据进行智能分析，构建机器学习模型，从而了解数据驱动的智能化学研究的全流程。这种培养模式已经取得了显著成果。

在数据驱动的智能化学合成平台的有力支持下，化学拔尖计划基地班大四本科生陈家劲的学术论文成功发表于自然指数期刊《Organic Letters》。该论文的发表是我校在化学科研领域的一项重大进展，彰显了我校在化学人才培养方面的卓越成就，体现了 AI 赋能科研训练培养化学人才的显著效果。

同样，我校应用化学专业强基计划大四本科生刘润哲在化学领域取得了重要的科研成果，其论文《Self - optimizing Bayesian for Continuous Flow Synthesis Process》近期在国际学术期刊《Digital Discovery》上发表。这项研究提出了一种自优化的贝叶斯算法，用于优化连续流合成工艺，这标志着智能化学合成技术的一大进步，也表明了数据驱动的智能化学合成平台对培养具有新科研范式的化学人才有着显著的影响。