Atreya Manaswi
學校：
Orlando Science Middle/High School, Orlando, FL
Orlando Science Middle/High School（佛羅裏達州奧蘭(lan) 多市）
項目標題：
Year 5: Engineering a Novel IoT Trapping System With a Multiple Linear Regression Model Toward Eco-Friendly, High-Efficacy and Low-Cost Honey Bee Pest Treatment and Management
第五年：利用多元線性回歸模型開發新型物聯網捕蟲係統，實現環保、高效、低成本的蜂巢蟲害治理。
研究解析：
Atreya Manaswi（19歲，來自佛羅裏達州奧蘭(lan) 多）在他為(wei) 期五年的動物科學項目中開發了一套名為(wei) “BeetleGuardAI”的低成本、環保蜂巢害蟲管理係統。蜜蜂對於(yu) 生物多樣性和農(nong) 業(ye) 生產(chan) 至關(guan) 重要，但近年來蜜蜂數量急劇下降。蜜蜂死亡的原因之一是受到**小蜂巢甲蟲（SHB）**的侵擾，這種害蟲會(hui) 破壞蜂巢。
Atreya 首先研製並測試了一種廉價(jia) 的誘餌——由啤酒配製的油劑混合物，能夠有效吸引小蜂巢甲蟲進入陷阱。接著，他設計了BeetleGuardAI係統，包括一個(ge) 裝有傳(chuan) 感器的3D打印陷阱裝置，內(nei) 部放置上述啤酒誘餌。當甲蟲進入陷阱後，傳(chuan) 感器收集數據並上傳(chuan) 至一個(ge) 機器學習(xi) 模型。
這個(ge) 模型通過多元線性回歸分析傳(chuan) 感器數據，預測蜂巢未來可能遭受的甲蟲侵擾程度。養(yang) 蜂人可以通過配套的手機應用查看預測結果，並據此製定定製化的蟲害防治方案。實地測試表明，該陷阱捕獲了99%以上的蜂巢甲蟲，而AI模型對未來甲蟲侵擾的預測準確率達到94%。Atreya的創新係統為(wei) 蜂農(nong) 提供了一種高效且經濟的工具來保護蜂群，有望幫助減緩蜜蜂種群衰減的趨勢。
Siddharth Nirgudkar
學校：
Acton-Boxborough Regional High School, Acton, MA
Acton-Boxborough區域高中（馬薩諸塞州阿克頓市）
項目標題：
Contextualized Transfer Learning: Transforming Heterogeneity Into Predictive Power With Generative Latent Structures in Resource-Limited Settings
情境化遷移學習(xi) ：在資源有限環境中通過生成潛在結構將異質性轉化為(wei) 預測能力。
研究解析：
Siddharth Nirgudkar（17歲，來自馬薩諸塞州阿克頓）在他的計算生物學與(yu) 生物信息學項目中開發了一種改進的疾病診斷AI模型，旨在利用有限的數據有效預測疾病。當前許多醫療AI診斷工具在訓練和應用時需要大量高質量數據，對於(yu) 數據匱乏、患者群體(ti) 差異大的環境效果不佳。Siddharth 引入了一種稱為(wei) **情境化遷移學習(xi) （CTL）**的新方法來克服這些限製。
他利用公開的多種患者數據集建立了CTL模型，使模型能夠在不同疾病結局、不同病例和不同預測指標之間共享信息。CTL通過構建一個(ge) “潛在空間”來捕捉數據中的共性模式，並將這些模式應用於(yu) 每一個(ge) 獨特的病例進行預測。通過這種方式，即使在單個(ge) 病例數據較少或患者差異較大的情況下，模型也能借鑒其他情境的信息來提高準確度。
在對阿爾茨海默症患者數據的測試中，Siddharth的CTL模型比傳(chuan) 統方法取得了更高的診斷準確率。這個(ge) 結果表明，在數據和資源有限的情況下，巧妙地利用數據間的隱藏共性（情境信息）可以顯著提升AI診斷的性能，為(wei) 醫療行業(ye) 提供一種有效的新工具。
Thanush Patlolla
學校：
William G. Enloe High School, Raleigh, NC
William G. Enloe高中（北卡羅來納州羅利市）
項目標題：
Development of a Finite-Nuclear Model Based on Comprehensive Electron Scattering Data With the Use of Numeric Atom-Centered Orbitals
基於(yu) 綜合電子散射數據並利用數值原子中心軌道開發有限核模型。
研究解析：
Thanush Patlolla（17歲，來自北卡羅來納州卡瑞）在他的物理學項目中解決(jue) 了一個(ge) 困擾量子計算領域的基礎難題。量子計算需要精確預測量子粒子之間的相互作用，但這是極其複雜的：在量子係統中，每個(ge) 粒子都會(hui) 影響其它所有粒子，因此測量一個(ge) 粒子的能量可能引起另一個(ge) 粒子的狀態變化，要完全把握所有相互作用非常困難。這種複雜性使得量子計算模擬的計算量呈指數級增長。
Thanush 提出了一種有限核模型來近似處理量子係統中的相互作用問題。他將原子核對電子的影響用一個(ge) 有限的模型來描述，從(cong) 而避免直接模擬所有粒子間的複雜相互作用。具體(ti) 而言，他采用了一種數學上的“密度函數”策略，使用數值原子中心軌道來表示電子雲(yun) 分布，並據此計算電子在原子核附近的密度分布圖。
通過這種方法，他減少了量子係統計算的複雜度。在模擬實驗中，該方法將能量分布預測的精度提高了0.6%。別看這個(ge) 數值似乎不大，但在量子計算要求的極高精度下，這是一個(ge) 顯著的改進。這一成果為(wei) 實現高精度量子計算邁出了重要一步，因為(wei) 量子計算機需要對粒子行為(wei) 進行近乎完美的預測和測量。
Matteo Paz
學校：
Pasadena High School, Pasadena, CA
Pasadena高中（加利福尼亞(ya) 州帕薩迪納市）
項目標題：
The VarWISE All-Sky Infrared Variability Survey — Classification of 1.9 Million Astronomical Objects Into 10 Classes
VarWISE全天空紅外可變源巡天——將190萬(wan) 個(ge) 天體(ti) 劃分為(wei) 10類。
研究解析：
Matteo Paz（18歲，來自加利福尼亞(ya) 州帕薩迪納）在他的太空科學項目中處理了近200 TB（太字節）的天文數據，以尋找尚未被發現的變光天體(ti) 。NASA的WISE紅外空間望遠鏡在十多年的全天空巡天過程中，收集了海量的紅外觀測數據，形成了一個(ge) 包含約2000億(yi) 條記錄的“數據寶庫”，非常適合進行基於(yu) 時間序列的天文研究。Matteo 為(wei) 處理如此巨大的數據集開發了高效的方法。
他設計了基於(yu) 光變曲線分析的機器學習(xi) 算法，對整個(ge) 目錄進行篩選，以發現其中可能存在的亮度變化天體(ti) 。這個(ge) 過程中，他還創建了一套名為(wei) “VARnet”的機器學習(xi) 模型，專(zhuan) 門用於(yu) 識別和分類這些變光信號。
通過這些方法，Matteo 對約1.9百萬(wan) 個(ge) 紅外天體(ti) 進行了分類，其中約150萬(wan) 是此前未被記錄的新發現變光天體(ti) ，包括超大質量黑洞、新生恒星和超新星等。
他等於(yu) 為(wei) 科研界提供了一份完整的紅外可變源清單。值得一提的是，Matteo的項目在NASA的資助下開展，他以研究人員的身份參與(yu) 其中，這些成果對天文學界理解宇宙中的動態天體(ti) 現象具有重要意義(yi) 。
Yash Ranjith
學校：
Westmont High School, Campbell, CA
Westmont高中（加利福尼亞(ya) 州坎貝爾市）
項目標題：
Modeling Pollution Spread With Obstructions Using Physics-Informed Neural Networks
利用物理驅動神經網絡對有障礙物情況下的汙染擴散進行建模。
研究解析：
Yash Ranjith（18歲，來自加利福尼亞(ya) 州聖何塞）在他的環境科學項目中開發了一種神經網絡模型，大幅加速了汙染物擴散預測的計算速度。當環境災難發生時（如化工泄漏或核事故），有害物質會(hui) 隨風或水流傳(chuan) 播，威脅當地的生命安全。製定應急方案（如人員疏散）需要及時準確地預測汙染物擴散範圍。然而，傳(chuan) 統的流體(ti) 動力學模型在進行這類預測時計算量巨大，模擬大範圍、長時間的擴散常常需要數小時甚至數天，這在緊急情況下遠遠不夠及時。
為(wei) 了解決(jue) 這一問題，Yash 設計了一種融合物理定律的神經網絡（也稱“物理引導神經網絡”）。該模型將汙染擴散過程中的關(guan) 鍵物理規律（以偏微分方程形式）融入到神經網絡的結構中，使網絡既具有學習(xi) 能力又符合物理原理。
在實驗中，這個(ge) 模型用於(yu) 模擬汙染物繞過建築物等障礙物時的擴散路徑。結果表明，與(yu) 傳(chuan) 統的純物理模擬相比，Yash的模型在保證精度幾乎不變的情況下，將預測速度提高了約2520倍——原本可能需要幾天的計算量現在幾秒鍾即可完成。這個(ge) 成果意味著在環境汙染事件發生時，可以幾乎實時地預測汙染擴散範圍，為(wei) 及時采取防護措施爭(zheng) 取了寶貴時間。
Charlotte Ava Rosario
學校：
The Nueva School, San Mateo, CA
The Nueva學校（加利福尼亞(ya) 州聖馬特奧市）
項目標題：
Examining Brain Structure in Relation to Mood and Anxiety in Pubertal Transgender and Cisgender Youth
研究青春期跨性別與(yu) 順性別青少年的大腦結構與(yu) 情緒和焦慮的關(guan) 係。
研究解析：
Charlotte Ava Rosario（17歲，來自加利福尼亞(ya) 州希爾斯伯勒）在她的神經科學項目中探究了性別身份、大腦結構和心理健康之間的聯係。青春期是人體(ti) 生理與(yu) 心理快速變化的時期，大腦中與(yu) 情緒和焦慮相關(guan) 的區域也會(hui) 在這一階段發生發育變化。既往研究發現，不同性別身份的人可能在大腦結構上存在差異，但學界尚不清楚這些差異的具體(ti) 原因以及它們(men) 對心理健康的影響。Charlotte 希望通過研究，為(wei) 這些問題提供一些答案。
她收集並分析了20名跨性別青少年和23名順性別青少年（順性別指性別認同與(yu) 出生性別一致）的數據。這些參與(yu) 者接受了腦部MRI掃描，並填寫(xie) 了關(guan) 於(yu) 情緒和焦慮狀況的問卷。Charlotte 發現，相比順性別同齡人，跨性別青少年表現出更多焦慮和抑鬱的跡象。
同時，他們(men) 的大腦中一些與(yu) 情緒調節相關(guan) 的特定區域（如杏仁核、丘腦等）的體(ti) 積也存在差異。此外，Charlotte 注意到在跨性別男性中，右側(ce) 丘腦體(ti) 積較大的個(ge) 體(ti) 往往有更嚴(yan) 重的抑鬱症狀。這提示大腦結構的微妙變化可能影響心理健康。Charlotte認為(wei) ，她的研究為(wei) 青少年心理健康提供了更細膩的視角，有助於(yu) 理解青春期性別與(yu) 大腦發育的複雜關(guan) 係，從(cong) 而為(wei) 不同青少年提供更有針對性的心理健康護理方案。
Akilan Sankaran
學校：
Albuquerque Academy, Albuquerque, NM
Albuquerque學院（新墨西哥州阿爾伯克基市）
項目標題：
From Walking to Tunneling: An Investigation of Generalized Pilot-Wave Dynamics
從(cong) 行走到隧穿：廣義(yi) 引導波動力學的研究。
研究解析：
Akilan Sankaran（17歲，來自新墨西哥州阿爾伯克基）在他的物理學項目中使用數學模型和實驗模擬來研究流體(ti) 力學中一個(ge) 有趣且反常的現象。當一滴液體(ti) 滴入一個(ge) 受到持續振動的液體(ti) 淺盤中時，該液滴會(hui) 以出人意料的方式運動：它會(hui) 在液麵上“行走”滑動，並且甚至能夠在振動液麵形成的小凹坑之間似乎“瞬移”般地跳動，這種現象類似於(yu) 量子力學中的“隧穿”效應，但發生在宏觀尺度的液滴上。這種運動方式無法用經典物理理論簡單解釋，因此引起了研究者的好奇。
Akilan 通過將實驗和理論相結合，構建了一個(ge) 描述這種液滴行為(wei) 的廣義(yi) 引導波數學模型。他進行了大量的計算機模擬和物理實驗，並輔以偏微分方程的理論分析，從(cong) 而能夠在三維空間中重現和預測液滴運動的各種奇異現象。通過這個(ge) 模型，研究者可以更加係統地探究液滴“行走”和“隧穿”的條件和機理。這項研究不僅(jin) 有助於(yu) 解釋特定的流體(ti) 力學難題，還可能為(wei) 理解複雜流體(ti) 現象（例如海岸線侵蝕等環境問題）提供新的思路，因為(wei) 這些模型和現象在數學上存在一定的相似性。
Aiden Rubin Sanxhaku
學校：
Julia R. Masterman High School, Philadelphia, PA
Julia R. Masterman高中（賓夕法尼亞(ya) 州費城）
項目標題：
Cation-Effect on Alkaline Redox Flow Batteries: Enhancing Electron Transfer Kinetics Through Electrolyte Additives
堿性氧化還原液流電池的陽離子效應：通過電解質添加劑提升電子傳(chuan) 遞動力學。
研究解析：
Aiden Rubin Sanxhaku（18歲，來自賓夕法尼亞(ya) 州費城）在他的材料科學項目中研究了一種新型的大規模儲(chu) 能電池：鐵基水溶液氧化還原液流電池。這種電池具有可持續循環25年以上的長壽命，且不易燃、無毒、對環境友好，因此被視為(wei) 未來可再生能源儲(chu) 能的有力候選。但目前鐵基液流電池的功率密度（單位體(ti) 積或質量可輸出的功率）遠低於(yu) 常見的鋰離子電池，這限製了其實際應用。Aiden 的目標是提高這種電池的功率性能，使其更接近鋰電池水平。
Aiden 提出了一種簡單但有效的方法：向鐵基液流電池的電解液中添加微量的金屬離子添加劑，以改變電解液的性質。他的實驗結果顯示，加入低濃度的特定金屬離子後，電池的充放電反應加快，輸出功率密度顯著提高，而且電池的內(nei) 阻降低了高達115%。這一改進使鐵基水溶液液流電池的效率大大提升，性能更接近當前商用鋰離子電池。通過Aiden的工作，這種安全、廉價(jia) 的儲(chu) 能技術離實用化又近了一步，有望在未來更廣泛地應用於(yu) 風能、太陽能等可再生能源係統的儲(chu) 能裝置中。
Sandeep Sawhney
學校：
Herricks High School, New Hyde Park, NY
Herricks高中（紐約州新海德公園市）
項目標題：
Gallium-Mediated DNA Tensegrity Triangle-Based Crystals: A Novel Prototype Facilitating Gallium Cancer Therapy
镓介導的DNA張力完整三角結構晶體(ti) ：一種促進镓基癌症療法的新型原型。
研究解析：
Sandeep Sawhney（18歲，來自紐約州新海德公園）在他的生物工程項目中設計了一種納米級的DNA“容器”，用來安全遞送對腫瘤有毒但對正常細胞也具毒性的抗癌藥物。Sandeep關(guan) 注的是镓基抗腫瘤藥物，這類藥物在殺傷(shang) 腫瘤細胞方麵顯示出前景，但由於(yu) 對健康細胞也有傷(shang) 害，使用時需要精確遞送到腫瘤部位。然而，傳(chuan) 統的藥物膠囊在運輸這類藥物時往往會(hui) 提前溶解，使藥物在抵達腫瘤前就釋放，傷(shang) 及健康組織。
為(wei) 了解決(jue) 這一難題，Sandeep 運用計算模擬先設計了10種可能的DNA晶體(ti) 結構，並分析了它們(men) 與(yu) 镓藥物分子結合的位置和方式。他最終選出一種在空間結構上能夠三點錨定镓藥物分子的最佳方案。隨後，他利用DNA晶體(ti) 自組裝技術，將合成的DNA單鏈自組裝成這種穩定的張力完整三角形晶體(ti) 結構（可視為(wei) 剛性穩定的三角形網格）。
這種DNA納米晶體(ti) 能夠將镓藥物分子牢固地封裝在內(nei) 部。Sandeep的實驗結果表明，這種DNA容器在模擬條件下可以防止镓藥物過早泄漏。如果未來能使用高純度的人造DNA製造該容器，有望實現镓藥物對腫瘤的靶向遞送，既有效殺傷(shang) 腫瘤細胞，又避免對健康組織的毒性，並可能降低治療引起的炎症等副作用。
Addison Grace Shea
學校：
Lakewood Ranch High school, Bradenton, FL
Lakewood Ranch高中（佛羅裏達州布雷登頓市）
項目標題：
Bowhead Whale Migration Amid Changing Circulation Patterns in the Beaufort Gyre
波弗特環流圈循環模式變化背景下的弓頭鯨遷徙。
研究解析：
Addison Grace Shea（18歲，來自佛羅裏達州布雷登頓）在她的環境科學項目中研究了北冰洋洋流的長期變化對鯨魚遷徙行為(wei) 的影響。她特別關(guan) 注的是北冰洋中的一個(ge) 主要環流——波弗特環流圈（Beaufort Gyre）。曆史記錄顯示，這個(ge) 環流圈過去大約每5至7年就會(hui) 改變一次流動方向，從(cong) 而調節北冰洋的水文狀況。
然而，近21年來波弗特環流圈一直未發生這種周期性逆轉。這導致該區域積累了更多的淡水，環流旋轉速度加快，海水運動模式出現異常變化。這些環境變化可能會(hui) 影響當地的生態係統，包括海洋食物網和大型海洋生物的行為(wei) 。
Addison 利用空間統計分析方法，研究了1989年至2018年間秋季弓頭鯨（一種生活在北冰洋的鯨）的出沒位置數據。她將這些鯨魚的觀測位置與(yu) 同期波弗特環流圈的狀態進行比較分析。研究結果表明，在波弗特環流圈不尋常的持續旋轉期間，弓頭鯨的遷徙路線確實發生了改變——這些鯨魚在秋季遷徙時選擇的路線和停留區域與(yu) 環流圈正常交替時期有所不同。
Addison的研究揭示了氣候和海洋循環的變化如何潛移默化地影響大型海洋哺乳動物的行為(wei) 模式，為(wei) 理解氣候變化對海洋生態係統的影響提供了重要依據。
Kevin Shen
Olympia High School, Olympia, WA
學校：Olympia高中（華盛頓州奧林匹亞(ya) 市）
項目標題：
Taming the Oblique Wing: Improving Fuel Efficiency by Developing and Flight Testing an Oblique Wing Aircraft Utilizing a Novel Control Method
馴服斜翼：通過開發並試飛一種采用新控製方法的斜翼飛機來提高燃油效率。
研究解析：
Kevin Shen（18歲，來自華盛頓州奧林匹亞(ya) ）在他的工程項目中設計並試飛了一種新型斜翼飛機模型，成功提高了這類飛機的穩定性和燃油效率。提高飛機的燃油效率一直是航空工程的追求目標。早在幾十年前，工程師就提出過斜翼布局的概念——即飛機機翼相對於(yu) 機身以一定角度傾(qing) 斜排列，可以在高速飛行時顯著降低氣動阻力，從(cong) 而節省燃油。然而，斜翼設計的飛機由於(yu) 姿態控製難度大，一直未能廣泛應用。
為(wei) 了解決(jue) 斜翼飛機難控製的問題，Kevin 利用3D打印技術製造了一架小型斜翼飛機模型，並研發了一套自主飛行控製係統。他的飛行計算機程序能夠根據飛機飛行時的實時狀態（包括斜翼角度和加速度等參數）自動調整控製翼麵，以保持飛機平穩飛行。測試中，這架斜翼模型飛機借助該控製係統實現了良好的穩定性和可控性。
此外，Kevin 通過計算流體(ti) 力學（CFD）模擬驗證了斜翼布局確實比傳(chuan) 統平直機翼具有更低的阻力。他的實測結果也很突出：在相似條件下，這架斜翼飛機比常規機翼飛機節省了約9.2%的燃油。Kevin的研究為(wei) 斜翼飛機這一富有潛力的設計思路帶來了新的生機，展示了創新的控製技術如何將前沿概念變為(wei) 現實，提高航空器的性能。
Emma Lee Wen
John L. Miller Great Neck North High School, Great Neck, NY
學校：Great Neck North高中（紐約州大頸市）
項目標題：
AUM-302, A Novel Triple PIM/PI3K/mTOR Inhibitor, Offers Promising Potential in Reducing the Growth of Pancreatic Ductal Adenocarcinoma Spheroids and Organoids
新型三重PIM/PI3K/mTOR抑製劑AUM-302在抑製胰腺導管腺癌球體(ti) 和類器官生長方麵展現出有前景的潛力。
研究解析：
Emma Lee Wen（17歲，來自紐約州大頸）在她的醫學與(yu) 健康項目中研究了一種針對胰腺癌的新型候選藥物。胰腺癌是一種極具侵襲性的癌症，由於(yu) 早期不易發現且缺乏有效療法，其五年生存率低於(yu) 13%。作為(wei) 一名曾經戰勝癌症的幸存者，Emma 對改善這種疾病的治療有著個(ge) 人的使命感。她利用胰腺癌細胞係培養(yang) 出了3D腫瘤類器官（模擬體(ti) 內(nei) 腫瘤的微型三維結構），以更接近人體(ti) 環境地測試藥物效果。
Emma 關(guan) 注的藥物是AUM-302，這是一種同時抑製PIM、PI3K和mTOR三條致癌信號通路的新型抑製劑。相比之下，目前很多藥物往往隻針對單一通路。她將AUM-302與(yu) 幾種現有的胰腺癌治療藥物進行了對比實驗，這些藥物大多各自隻作用於(yu) 上述信號通路之一。
結果表明，在相同或更低劑量下，AUM-302殺死的癌細胞數量多於(yu) 其他藥物。這意味著AUM-302在抑製腫瘤生長方麵效率更高。Emma的研究結果為(wei) 胰腺癌治療帶來了希望：通過同時打擊多個(ge) 癌症通路的新藥，有可能顯著提高療效、改善患者預後。
Amy Xiao
學校：
Garden City High School, Garden City, NY
Garden City高中（紐約州花園城市）
項目標題：
Exploring Citrin as a Therapeutic Target for Cancer Treatment Through a Clinical, Pharmacologic and Metabolic Lens
通過臨(lin) 床、藥理和代謝視角探索Citrin作為(wei) 癌症治療靶點的可能性。
研究解析：
Amy Xiao（17歲，來自紐約州花園城）在她的生物化學項目中研究了一種名為(wei) Citrin的蛋白質在癌症中的作用及其作為(wei) 治療靶點的潛力。Citrin蛋白在細胞能量代謝中扮演角色，但其在癌細胞代謝中的具體(ti) 重要性尚不清楚。Amy 在查閱癌症代謝相關(guan) 文獻時注意到Citrin，由此開始深入研究這一分子。通過對大型癌症遺傳(chuan) 數據庫的分析，她發現Citrin基因的某些變異與(yu) 癌症患者更好的生存率相關(guan) 。這提示Citrin可能在癌細胞的生存或死亡中發揮著關(guan) 鍵作用。
為(wei) 探明原因，Amy 使用AlphaFold人工智能係統模擬了正常的和發生這些變異的Citrin蛋白的三維結構，發現基因變異會(hui) 導致蛋白結構改變，從(cong) 而可能影響其功能。隨後，她利用CRISPR技術在結腸癌細胞中下調（敲低）了Citrin基因的表達，結果這些細胞出現了對一種必需養(yang) 分利用不足的情況，暗示Citrin可能與(yu) 細胞某種代謝途徑有關(guan) 。
接著，Amy 通過計算機篩選現有藥物，找出了幾種已經被FDA批準的藥物，它們(men) 可能抑製Citrin蛋白的功能。綜合這些發現，Amy 提出Citrin可以作為(wei) 一個(ge) 全新的抗癌治療靶點，針對它開發藥物有望切斷癌細胞的重要能量供應途徑，從(cong) 而抑製腫瘤生長。這項研究為(wei) 癌症代謝治療提供了新視角和新方向。
Phoebe Xu
學校：
William G. Enloe High School, NC
William G. Enloe高中（北卡羅來納州羅利市）
項目標題：
Metabolic Reprogramming of Immune Cells in HIV Infection and Treatment
HIV感染及治療中的免疫細胞代謝重編程。
研究解析：
Phoebe Xu（18歲，來自北卡羅來納州卡瑞）在她的醫學與(yu) 健康項目中研究了HIV（人類免疫缺陷病毒）感染如何改變免疫細胞的代謝活動，以及治療如何影響這些變化。急性HIV感染時，免疫細胞會(hui) 加速新陳代謝以奮力對抗病毒；但隨著感染進入慢性階段，這些免疫細胞逐漸耗竭、功能受損，最終導致HIV感染發展為(wei) 艾滋病（AIDS）。Phoebe 想了解在這一過程中免疫細胞內(nei) 部發生了什麽(me) 樣的代謝改變。
她提取和分析了三組人群的單個(ge) 免疫細胞樣本：未經治療的HIV感染者、接受了抗逆轉錄病毒療法（ART）的HIV感染者，以及健康的未感染者。利用單細胞測序等技術，Phoebe 比較了每組細胞的基因表達差異，特別關(guan) 注與(yu) 細胞代謝相關(guan) 的基因通路。她發現HIV感染會(hui) 使免疫細胞內(nei) 超過50條代謝通路發生改變，包括能量產(chan) 生和養(yang) 分利用等關(guan) 鍵過程。
而對於(yu) 接受ART治療的患者，有相當一部分受影響的代謝通路活動恢複接近正常水平。Phoebe認為(wei) ，這些發現表明HIV不僅(jin) 攻擊免疫係統，還通過改變細胞代謝使免疫係統逐漸衰竭。未來如果能夠針對這些代謝通路開發新的藥物，或許可以進一步改善HIV/AIDS患者的療效，幫助免疫係統恢複活力抵抗病毒。
Elisa Zhang
學校：
Dougherty Valley High School, San Ramon, CA
Dougherty Valley高中（加利福尼亞(ya) 州聖拉蒙市）
項目標題：
Patching Multi-Location Software Bugs: A Multi-Agent Large Language Model Framework for Automated Program Repair
修複多位置軟件漏洞：基於(yu) 多智能體(ti) 大型語言模型的自動化程序修複框架。
研究解析：
Elisa Zhang（17歲，來自加利福尼亞(ya) 州聖拉蒙市）在她的計算機科學項目中開發了一種利用人工智能自動修複軟件漏洞的係統。現實中的軟件往往非常龐大，一個(ge) **bug（漏洞）可能牽涉上千行代碼，分布在程序的多個(ge) 位置。這類漏洞不僅(jin) 難以發現和修複，而且如果不加以修補，可能導致係統崩潰或安全漏洞，每年給企業(ye) 和用戶造成數十億(yi) 美元的損失。Elisa 希望借助大型語言模型（LLM）**的強大文本生成和分析能力，來輔助程序代碼的自動修改。
她設計了多個(ge) 協同工作的AI代理，每個(ge) 代理都是一個(ge) 經過特殊提示詞配置的LLM，分別承擔不同角色：比如有的負責閱讀和理解代碼，有的負責生成修複代碼，有的負責驗證測試。這個(ge) 多智能體(ti) 係統能夠相互配合，反複嚐試不同的修改方案。
Elisa 將她的係統在一個(ge) 包含190個(ge) Java語言漏洞的數據集上進行了測試，結果顯示該係統成功修複漏洞的比例明顯高於(yu) 現有自動化修複工具，並且生成的補丁質量也更高。她的研究表明，將先進的語言模型引入軟件工程領域，可以極大地簡化漏洞修複過程。將來，這樣的AI工具有望幫助程序員更快地定位並修補代碼中的缺陷，提高軟件的可靠性和安全性。
Owen Jianwen Zhang
學校：
Bellevue High School, Bellevue, WA
Bellevue高中（華盛頓州貝爾維尤市）
項目標題：
Tetrahedron-Intersecting Families of 3-uniform Hypergraphs
3-一致超圖的四麵體(ti) 相交族。
研究解析：
Owen Jianwen Zhang（18歲，來自華盛頓州貝爾維尤）在他的數學項目中取得了一項關(guan) 於(yu) 3-一致超圖的理論突破。超圖是圖論中的概念，它的“邊”可以連接多個(ge) 頂點；如果每條邊正好連接3個(ge) 頂點，我們(men) 稱之為(wei) 3-一致超圖。
這類結構可以想象成社交網絡中三個(ge) 人組成的社交小團體(ti) ，每個(ge) 團體(ti) 有3個(ge) 成員（頂點），每個(ge) 團體(ti) 本身就是一條“超邊”。不同的團體(ti) 之間頂點可能有交疊，因而可以形成各種複雜的連接結構。Owen 的課題屬於(yu) 離散數學中的組合數學範疇，這類研究對於(yu) 計算機科學（如網絡結構、數據庫等）也有重要意義(yi) 。
Owen 研究的問題可概括為(wei) ：在一個(ge) 固定的頂點集合上，可以有多少種不同方式來構造一個(ge) 3-一致超圖，使得這些超邊形成某種特定的交疊關(guan) 係（這裏指“四麵體(ti) 相交族”的約束條件）。這是一個(ge) 複雜的計數問題，學界已經懸而未決(jue) 多年。
Owen 運用巧妙的數學推理和計算機程序搜索相結合的方法，成功找到了答案，並證明了這個(ge) 最大數目的正確性。更重要的是，他的方法和結果是首次在超圖背景下解決(jue) 了類似的問題。Owen的研究為(wei) 組合數學中關(guan) 於(yu) 超圖結構的分析開辟了新道路，豐(feng) 富了人們(men) 對複雜網絡連接模式的理解，也可能為(wei) 計算機算法優(you) 化等應用提供理論支持。
Ray Zhang
學校：
Thomas Jefferson High School for Science and Technology, Alexandria, VA
托馬斯·傑斐遜科技高中（弗吉尼亞(ya) 州亞(ya) 曆山德裏亞(ya) 市）
項目標題：
Biofilm Composition in Clinical Isolates of FungalFusariumand Development of a Multi-Targeted Antifungal Treatment To Inhibit Proliferation
鐮刀菌臨(lin) 床分離株的生物膜組成及抑製其增殖的多靶點抗真菌療法開發。
研究解析：
Ray Zhang（17歲，來自弗吉尼亞(ya) 州尚蒂利）在他的細胞與(yu) 分子生物學項目中致力於(yu) 改進對頑固真菌感染的治療方法。研究對象是鐮刀菌（Fusarium）——一種既能感染植物又能感染人體(ti) 的真菌。
鐮刀菌常常形成生物膜（由真菌細胞聚集形成的黏性膜狀結構），生物膜狀態下的真菌對藥物有更強的耐受力，使感染更難治愈。當Ray在醫院誌願服務時，他接觸到一名患有罕見真菌感染的兒(er) 童，這激發了他尋找更有效治療方案的動力。
Ray 首先研究了鐮刀菌生物膜的形成過程。他通過熒光光譜等技術觀察鐮刀菌在不同營養(yang) 條件和溫度下的生長和生物膜發育情況，以了解哪些因素促使生物膜更加頑固。接下來，他選擇了三種臨(lin) 床常用的抗真菌藥物，對鐮刀菌生物膜進行了單獨以及聯合用藥的試驗。
結果表明，將這三種抗真菌藥物聯合使用，可以更有效地破壞鐮刀菌的生物膜結構，抑製真菌繁殖，其效果明顯優(you) 於(yu) 任何一種藥物單獨使用。Ray的研究證明了多靶點聯合治療對於(yu) 對抗頑固真菌生物膜感染的優(you) 勢。這一成果未來有望指導開發新的抗真菌療法，提高嚴(yan) 重真菌感染患者的治愈率。
Angeline Zhao
學校：
Phillips Academy, Andover, MA
Phillips學院（馬薩諸塞州安多佛市）
項目標題：
Finding Belonging in the Big City: Understanding Communities-of-Interest in NYC Redistricting via Monte Carlo Simulations
在大城市中尋找歸屬感：通過蒙特卡洛模擬理解紐約市選區重劃中的利益共同體(ti) 。
研究解析：
Angeline Zhao（18歲，來自弗吉尼亞(ya) 州麥克萊恩）在她的社會(hui) 科學項目中使用數學模型研究了紐約市選區劃分中的“利益共同體(ti) ”問題。**利益共同體(ti) （Community of Interest, COI）**指在地理上相近、擁有共同關(guan) 切和投票模式的一群人。如果在重新劃分選舉(ju) 區域（選區）時將這些利益共同體(ti) 盡可能圈在同一選區內(nei) ，他們(men) 在選舉(ju) 中的聲音就會(hui) 更集中，有助於(yu) 選舉(ju) 結果更充分地代表他們(men) 的利益。Angeline 收集了紐約市相關(guan) 的數據，包括各地區的人口構成、選舉(ju) 結果和地理邊界等信息，數據來源涵蓋穀歌地圖以及紐約市選舉(ju) 委員會(hui) 和城市規劃部門。
Angeline 運用了蒙特卡洛拆分-合並算法，對數千種可能的選區劃分方案進行了模擬和評估。該算法反複隨機地將選區分裂、合並，在巨大的方案空間中尋找滿足特定指標的劃分。通過大量模擬，她識別出一些選區劃分方案，可以最大程度地使選民按共同的種族背景和政治傾(qing) 向歸類，形成強有力的利益共同體(ti) 。Angeline 的研究發現，為(wei) 保護少數族裔和特定社區的權益，在法律上應允許並鼓勵在選區劃分時考慮利益共同體(ti) 因素。她相信，這套模擬分析方法可以幫助政策製定者製定更公平的選舉(ju) 法律和選區劃分方案，從(cong) 而確保多元社區在政治上獲得應有的代表性，讓少數群體(ti) 也能在公共決(jue) 策中發出自己的聲音。
Ashley Zhu
學校：
Hunter College High School, New York, NY
Hunter College高中（紐約州紐約市）
項目標題：
On Lobe Disappearance of n-Loop Curves Under Curve Shortening Flow
關(guan) 於(yu) 曲線收縮流下 n 重環曲線的回路消失。
研究解析：
Ashley Zhu（17歲，來自紐約州貝賽德）在她的數學項目中探究了一種特殊曲線在“曲線收縮流”作用下的行為(wei) 。曲線收縮流是一種幾何演化過程，可以理解為(wei) 讓一條曲線以與(yu) 其曲率相關(guan) 的速度逐漸收縮、平滑。例如，一條閉合平滑曲線在曲線收縮流作用下最終會(hui) 變成一個(ge) 點。Ashley 關(guan) 注的是n重環曲線（n-loop curve），這是一類具有多個(ge) 環狀自相交的封閉曲線，例如“8”字形曲線是2環曲線。她研究的重點是這些複雜曲線在收縮流作用下，其“環”或“葉瓣”是否以及如何消失的規律。
Ashley 編寫(xie) 了模擬程序，針對不同的n值，對n環曲線在曲線收縮流下的演變進行了數值試驗。她發現，對於(yu) 3環曲線來說，在特定的初始形狀和條件下，它演化過程中會(hui) 出現獨特的模式——與(yu) 2環或4環以上曲線不同。特別地，她證明了存在一種獨特的三環曲線，在曲線收縮流中能夠保持某些對稱性或特征，直到某個(ge) 環最終縮小消失。
對於(yu) 更複雜的5環曲線，她的工作也取得了進展，部分解答了關(guan) 於(yu) 其演化行為(wei) 的開放問題。Ashley的研究加深了對曲線收縮流這一數學過程的理解。雖然這聽起來非常純理論，但曲線收縮流有廣泛的應用前景，例如模擬材料的界麵演化、圖像處理中的輪廓光滑、以及計算機視覺中的形狀優(you) 化等。她的成果為(wei) 這些應用提供了新的數學依據。
Minghao Zou
學校：
Valley Christian High School, San Jose, CA
Valley Christian高中（加利福尼亞(ya) 州聖何塞市）
項目標題：
A New Particle Pusher With Hadronic Interactions for Modeling Multimessenger Emission From Compact Objects
一種具有強子相互作用的新型粒子推進算法，用於(yu) 模擬致密天體(ti) 的多信使輻射。
研究解析：
Minghao Zou（18歲，來自加利福尼亞(ya) 州聖克拉拉）在他的太空科學項目中，通過計算機模擬來研究極端天體(ti) 環境下的粒子運動與(yu) 輻射問題。他聚焦於(yu) 一種極難直接觀測的粒子——中微子。中微子是幾乎沒有質量的基本粒子，在宇宙中數量極其龐大，例如太陽和超新星都大量產(chan) 生中微子。然而，中微子與(yu) 物質的相互作用極弱，幾乎不會(hui) 被探測器捕獲，因此我們(men) 對它們(men) 知之甚少，被稱為(wei) “幽靈粒子”。
為(wei) 了研究中微子的產(chan) 生和傳(chuan) 播，Minghao 創建了一個(ge) 物理模擬模型，專(zhuan) 門針對致密天體(ti) （如中子星、黑洞）附近的極端環境。在這些環境中，粒子的運動同時受到超強的電磁力和引力的影響，並且會(hui) 與(yu) 周圍高能粒子發生強相互作用（即強子相互作用）。
他設計的新型“粒子推進”算法，能夠將這些複雜因素全部考慮進去，從(cong) 而模擬中微子等粒子在極端條件下的軌跡和能量變化。Minghao 將他的模型在一些有已知解的案例上進行了驗證，例如模擬已被詳細研究過的中微子輻射源，並將結果與(yu) 理論預期進行比較，取得了良好的一致性。
為(wei) 了推動研究，他還將自己的代碼開源，供其他天體(ti) 物理學家使用，以便對類似問題進行更大規模的模擬分析。Minghao的研究為(wei) 我們(men) 理解多信使天文學（同時利用引力波、中微子、電磁波等信使來研究宇宙）的複雜過程提供了強有力的工具，或許將來能幫助揭示中微子在宇宙極端事件中的作用之謎。
【競賽報名/項目谘詢+微信：mollywei007】
評論已經被關(guan) 閉。