获奖队伍：MagiXterial

队长：唐一丰

组员：杨青川，徐涵，赵祚超，谭慧双

项目总结：
-比较传统机器学习方法与神经网络在预测成分合金方面的性能
-提出一个三层次逆向设计框架，针对不同类型的数据集和可能存在的需求，设计不同的模型针对性解决问题
-比较了三种方法（逆向设计框架、迭代搜索优化和生成模型）在预测合金成分上的表现

获奖队伍：AI.Rex

队长：唐一丰

组员：刘汉章、秦嘉雨、谭慧双、申万祥、钱龙

项目总结：
在化学合成中，逆合成分析工具可以提供多种合成路径，但这超出了实验验证的能力。因此， 准确有效地评估反应可行性对于减少建议路径的数量并仅保留在湿实验室中具有更高成功机会的路径至关重要。我们成功地建立了基于反应 SMILES 或反应图的模型，并且这两种方法中都达到了相当高的测试准确率（>90%）。我们将与反应性相关的量子力学描述符集成到可行性预测模型中， 并提高了模式性能。

获奖队伍：OMX

队长： 申万祥

组员：申万祥

项目总结：
项目的初衷是建立基于可解释xAI的组学机器学习模型和算法流程，用于疾病预测、诊断和关键标志物的鉴定。 流行学习引导的AggMap具有很强的特征重建能力， 定制的多通道 AggMapNet 有 72% 的性能优于最先进的机器学习模型。更重要的是，AggMapNet 的可解释模块确定了用于 Covid-19 检测的关键代谢物或蛋白质， 严重程度预测与文献报道的生物标志物或生物学机制高度一致。

获奖队伍：Alpha-Spec

队长： 宋健

组员：颜力琦

项目总结：
深度学习技术可以用于判断质谱采集的二级谱图是来源于肽段离子还是噪声信号。 Alpha-Spec使用了先进的深度学习模块Transformer， 它从大量已鉴定肽段谱图和已判定为噪声的谱图中学习谱图的内在规律，并给出谱图来源于肽段离子的概率值。Alpha-Spec 的深度学习模型实现了仅基于光谱的光谱质量识别 （acc：~70%），光谱质量评分系统可以提高DDA识别（PSM：~3.3%）。

获奖队伍：TQL

队长： 曹政

组员：刘天涛

项目总结：
团队提出了一个综合评估系统，用于化学反应可及性的预测以及化学反应副产物的预测。

获奖队伍：CRITICAL

队长： 刘可

组员：高尚德，杨凯帆，付一超

项目总结：
团队设计了Set2SetNet模型来实现材料晶体弹性模量预测，以及MLM自监督学习预训练范式，实现原子间相互作用挖掘。

获奖队伍：Aimat

队长： 张翔宇

组员：张翔宇

项目总结：
团队采用CGNN和GeoCGNN模型从材料晶体结构中来预测刚度张量，评估材料的力学性能。