[ Research Program ] — 面向国际高中生的科研训练体系

From Curiosity
to Citations.

我们不交付一份“作业”,而是交付一套可被第三方验证的智力凭证——
符合顶会标准的学术论文(IEEE 排版白皮书)、可永久检索的预印本 DOI可校验的代码指纹可复现的实验日志,以及一个属于学生本人的项目主页

现代粗野主义图书馆阅览厅的俯拍,天窗投下长长的硬阴影
01 Academic Paper (Thesis)

用 LaTeX 写作,按顶会标准 排版

学生的研究以 IEEE / ACM 会议模板(IEEEtran、ACM acmart)撰写,双栏排版、公式编号、参考文献 BibTeX 管理。导师逐节批注,最终产出一份可直接投递工作坊或预印本平台的 PDF。

main.tex IEEEtran · conference
1\documentclass[conference]{IEEEtran}
2\usepackage{amsmath,graphicx,booktabs}
3
4\title{基于 ESP32 与 TensorFlow Lite 的
5 投篮动作实时识别原型系统设计与验证}
6\author{\IEEEauthorblockN{Zang Zirui}
7 \IEEEauthorblockA{Nanjing Int'l School}}
8
9\begin{document}\maketitle
10\begin{abstract}
11 We deploy a 3.34 KB quantized CNN on an
12 ESP32-S3 to classify shooting motion at
13 62.5 Hz with 94.1\% F1 on hold-out data.
14\end{abstract}
15\section{Methodology}
16\label{sec:method}
Rendered Output · PDF

基于ESP32与TensorFlow Lite的投篮动作实时识别原型系统设计与验证

臧梓瑞

南京某国际学校

防伪与可追溯元数据 / Traceability & Artifact Metadata

02 Permanent DOI & Hash

每一份成果,都可被第三方核验

报告首页嵌入导师 ORCID、归档 DOI 与代码仓库的 Commit 指纹。招生官或任何研究者都能独立检索、逐位校验——这不是自述,而是密码学意义上的智力证明。

verification terminal ● live
导师 ORCID
0000-0003-2564-0373
Verification Success — Verified via ORCID Public API
归档 DOI
10.5281/zenodo.10847215
Verification Success — Verified via Crossref Architecture
Commit ID
ef1cc3a8ec7b731380eaa6e13112c9e6ff0aebe9
Verification Success — SHA-1 object hash · Git
SHA-256
9f2c4ae1b7d0…83ac41
Verification Success — Artifact checksum · Zenodo record
$ curl -s api.crossref.org/works/10.5281/zenodo.10847215
> status: 200 · title matched · deposited 2026-05-14
Digital Seal

全套科研成果将在结项时进行标准化数字归档与权威认证:

  • 学术存档:统一归档至学术存储库 Zenodo,生成全球唯一的永久学术 DOI
  • 代码防伪:代码仓库生成含数字签名的防篡改版本标记(Release Tag)与加密指纹

确保学生的科研成果终身可被全球公开检索、追溯与第三方验证。

03 GitHub Repository

认证仓库与完整提交历史

每位学生拥有一个由项目组认证的 GitHub 仓库。提交历史逐周记录思路的演进——从数据采集脚本到模型量化,真实性由时间戳与差异记录共同担保。

xxx / shoot_recognition main 184 commits 31
Contribution Graph · 26 weeks
ef1cc3a feat: quantize CNN to int8, arena 3.34KB 2026-05-11
7b73138 fix: IMU sampling jitter at 62.5Hz 2026-05-04
0eaa6e1 test: add hold-out evaluation notebook 2026-04-27
3112c9e docs: methodology section in main.tex 2026-04-18
04 Reproducibility Report

代码重现度报告:别人能跑出同样结果

科研的底线是可复现。我们要求每个项目输出一份重现度报告:锁定环境、固定随机种子、公开原始数据与日志,并由导师在干净机器上盲测复跑,记录偏差区间。

Re-run Success
10 / 10
F1 Deviation
± 0.4%
Env Build Time
94 s
Seed Locked
42
requirements.txt / conda env 锁定版本 pass
随机种子与硬件时钟同步说明 pass
原始数据集与预处理脚本可下载 pass
第三方独立复现(导师盲测) pass
run.log
[12:04:11] INFO  loading dataset shard 0/4 … ok
[12:04:19] INFO  seed=42 deterministic=True
[12:05:02] INFO  epoch 30/30  val_f1=0.9413
[12:05:03] INFO  export tflite int8  size=3.34KB
[12:05:07] PASS  reproduction delta 0.0037 < 0.01
05 Project Showcase

一个属于学生本人的项目主页

结项时,我们为每个项目搭建独立域名的个性化网站:摘要、方法、可交互图表、成果下载与验证入口一应俱全。一条链接即可写进申请文书与作品集。

zangzirui.research.site
[ PROJECT : TINY_ML ] — EDGE AI × WEARABLE IMU

基于 ESP32 与 TensorFlow Lite 的投篮动作实时识别原型系统

把一个 3.34 KB 的神经网络放进手腕上的芯片,让投篮动作在完成的那一刻被识别。 一次关于边缘计算、可穿戴传感与运动科学的端到端可行性验证。

MCU
ESP32-S3 @ 240MHz
IMU
BMI270 · 6-axis
SAMPLE
62.5 Hz / 16 ms
TENSOR ARENA
3.34 KB