Self-Driving Labs & AI for Materials — Graduate Course
课程网站：michaelcshn.github.io/sdl-lecture
本课程以**自驱动实验室（SDL）**为载体，帮助材料科学研究生在 AI 时代完成三件事：
- 认识实验本身的认识论基础——你过去的实验，真的可以相信吗？
- 理解 AI 的能力边界——机器的逻辑是什么，我如何驾驭它？
- 找到自己在人机协作中的具体位置——你在这里面，究竟做什么？
SDL 不是这门课的主题，是镜子。
| 原则 | 含义 |
|---|---|
| 问题先行，知识随后 | 每节课从真实问题出发，不从知识点出发 |
| 体验先行，概念随后 | 先接触真实情境，再引入概念框架 |
| 判断力优先于执行力 | 核心目标是"能判断"，不是"会操作" |
| AI 是放大器，不是替代品 | 使用 AI 是鼓励的，但每个判断必须能被追问 |
| 诚实地面对不确定性 | 教师和学生都是在研究实践中形成判断的主体 |
阶段一：清醒（第1–2周） "你现在在哪里？"
阶段二：诊断（第3–5周） "你过去的实验，真的可以相信吗？"
阶段三：扩展（第6–9周） "机器的逻辑是什么，我如何驾驭它？"
阶段四：整合（第10–12周） "你在这里面，究竟做什么？"
阶段五：开放（第13周） "你现在在哪里？"（回到第1周）
sdl-lecture/
├── src/ # React + Vite + TypeScript 课程网站
│ ├── pages/ # 各功能页面
│ └── lib/ # GP/BO 核心算法
├── docs/ # 课程文档
│ ├── course-design/ # 课程设计方案（核心文档）
│ │ └── SDL课程设计方案-v3.md ← 从这里开始
│ ├── papers/ # 学术论文（本课程相关）
│ │ ├── SDL有人的席位吗.md
│ │ ├── SDL硬件技术演化与展望.md
│ │ └── AI-for-Materials-现状与未来.md
│ ├── lecture-notes/ # 讲解稿
│ │ └── SDL-讲解稿-120分钟.md
│ ├── conversation/ # 课程设计过程记录
│ │ └── 2026-06-07-课程设计对话摘要.md
│ └── [其他已有文档...]
└── outputs/ # 生成文件（PPT 等）
# 安装依赖
npm install
# 启动开发服务器
npm run dev
# 构建生产版本
npm run build| 文档 | 说明 |
|---|---|
| 课程设计方案 v3 | 完整课程设计，包含13周周历、PAVE协议、项目方案 |
| SDL有人的席位吗 | 人类知识在SDL中的六个接入口 |
| SDL硬件技术演化 | 400年仪器史+TRL路线图 |
| AI for Materials 专论 | 现状、困境与突破路径 |
| 120分钟讲解稿 | 配合PPT使用的完整讲解稿 |
| 对话摘要 | 课程设计过程的关键决策记录 |
- 前端：React 19 + TypeScript + Vite 7 + Tailwind CSS + shadcn/ui
- 算法：自实现 GP（Cholesky 求逆）+ BO（EI/UCB 采集函数）
- 可视化：Plotly.js + D3 + Mermaid
MIT