國家自然科學(xué)基金委員會(huì)現(xiàn)發(fā)布可解釋、可通用的下一代人工智能方法重大研究計(jì)劃2026年度項(xiàng)目指南，請申請人及依托單位按項(xiàng)目指南所述要求和注意事項(xiàng)申請。  

 

國家自然科學(xué)基金委員會(huì)

2026年1月26日

 

可解釋、可通用的下一代人工智能方法重大研究計(jì)劃2026年度項(xiàng)目指南

　　 

　　可解釋、可通用的下一代人工智能方法重大研究計(jì)劃面向人工智能發(fā)展國家重大戰(zhàn)略需求，以人工智能的基礎(chǔ)科學(xué)問題為核心，發(fā)展人工智能新方法體系，促進(jìn)我國人工智能基礎(chǔ)研究和人才培養(yǎng)，支撐我國在新一輪國際科技競爭中的主導(dǎo)地位。 

　　一、科學(xué)目標(biāo)

　　本重大研究計(jì)劃面向以深度學(xué)習(xí)為代表的人工智能方法魯棒性差、可解釋性差、對數(shù)據(jù)的依賴性強(qiáng)等基礎(chǔ)科學(xué)問題，挖掘機(jī)器學(xué)習(xí)的基本原理，發(fā)展可解釋、可通用的下一代人工智能方法，并推動(dòng)人工智能方法在科學(xué)領(lǐng)域的創(chuàng)新應(yīng)用。

　　二、核心科學(xué)問題

　　本重大研究計(jì)劃針對可解釋、可通用的下一代人工智能方法的基礎(chǔ)科學(xué)問題，圍繞以下三個(gè)核心科學(xué)問題開展研究。

　　（一）深度學(xué)習(xí)的基本原理。

　　深入挖掘深度學(xué)習(xí)模型對超參數(shù)的依賴關(guān)系，理解深度學(xué)習(xí)背后的工作原理，建立深度學(xué)習(xí)方法的逼近理論、泛化誤差分析理論和優(yōu)化算法的收斂性理論。

　　（二）可解釋、可通用的下一代人工智能方法。

　　通過規(guī)則與學(xué)習(xí)結(jié)合的方式，建立高精度、可解釋、可通用且不依賴大量標(biāo)注數(shù)據(jù)的人工智能新方法。開發(fā)下一代人工智能方法需要的數(shù)據(jù)庫和模型訓(xùn)練平臺(tái)，完善下一代人工智能方法驅(qū)動(dòng)的基礎(chǔ)設(shè)施。

　　（三）面向科學(xué)領(lǐng)域的下一代人工智能方法的應(yīng)用。

　　發(fā)展新物理模型和算法，建設(shè)開源科學(xué)數(shù)據(jù)庫、知識(shí)庫、物理模型庫和算法庫，推動(dòng)人工智能新方法在解決科學(xué)領(lǐng)域復(fù)雜問題上的示范性應(yīng)用。

　　三、2026年度資助研究方向

　　（一）重點(diǎn)支持項(xiàng)目。

　　圍繞核心科學(xué)問題，以總體科學(xué)目標(biāo)為牽引，擬以重點(diǎn)支持項(xiàng)目的方式資助前期研究成果積累較好、對總體科學(xué)目標(biāo)在理論和關(guān)鍵技術(shù)上能發(fā)揮推動(dòng)作用、具備產(chǎn)學(xué)研用基礎(chǔ)的申請項(xiàng)目，研究方向如下：

　　1. 幾何對稱性先驗(yàn)嵌入的深度神經(jīng)網(wǎng)絡(luò)。

　　針對現(xiàn)有前沿深度神經(jīng)網(wǎng)絡(luò)架構(gòu)難以有效嵌入幾何對稱性先驗(yàn)的瓶頸問題，發(fā)展能夠與數(shù)據(jù)對稱性相適配的深度神經(jīng)網(wǎng)絡(luò)泛化理論，揭示數(shù)據(jù)幾何對稱性與模型等變結(jié)構(gòu)之間的內(nèi)在關(guān)聯(lián)，構(gòu)建能夠捕捉數(shù)據(jù)對稱性的新型深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)模塊體系。完成對不少于3種前沿深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)模塊（如Transformer、Mamba、INR等）的對稱性先驗(yàn)改造，使其具備旋轉(zhuǎn)、鏡像、仿射等幾何對稱性的建模能力；在不少于3類實(shí)際應(yīng)用場景中驗(yàn)證所提出的新型深度神經(jīng)網(wǎng)絡(luò)架構(gòu)的有效性，確保在參數(shù)規(guī)模相當(dāng)?shù)臈l件下，性能顯著優(yōu)于原始方法。

　　2. 智能體驅(qū)動(dòng)的多模態(tài)全流程數(shù)據(jù)治理平臺(tái)。

　　構(gòu)建由智能體驅(qū)動(dòng)的自動(dòng)化數(shù)據(jù)治理平臺(tái)，支持從數(shù)據(jù)獲取、治理、訓(xùn)練到應(yīng)用的全流程：（1）構(gòu)建可靈活部署、支持自動(dòng)調(diào)度的算力管理底座，支持不同規(guī)模的單/多模態(tài)人工智能模型（如FastText、SAM、YOLO、Qwen-VL等）的混合推理與流水線編排；（2）研發(fā)基于智能體的統(tǒng)一數(shù)據(jù)工程平臺(tái)，覆蓋多源異構(gòu)數(shù)據(jù)（不少于5種模態(tài)）的獲取與治理（支持不少于200個(gè)算子，流水線編排成功率不低于97%），支持大模型訓(xùn)練過程中數(shù)據(jù)的動(dòng)態(tài)選擇和配比、以及多垂域（Code、GUI、Web等不少于5個(gè)領(lǐng)域）智能體數(shù)據(jù)的自動(dòng)合成與質(zhì)量管控；（3）開發(fā)面向復(fù)雜科學(xué)發(fā)現(xiàn)的垂域智能體，在Lean數(shù)學(xué)形式化推理、蛋白質(zhì)與多糖結(jié)構(gòu)分析、學(xué)科競賽策略推演等不少于3種典型科學(xué)任務(wù)上驗(yàn)證有效性。

　　3. 高維復(fù)雜物理約束下的生成建模與科學(xué)計(jì)算。

　　針對數(shù)據(jù)驅(qū)動(dòng)的高維科學(xué)計(jì)算生成建模中物理一致性缺失、復(fù)雜約束難以嚴(yán)格滿足的難題，通過引入物理守恒律與結(jié)構(gòu)先驗(yàn)，建立嚴(yán)謹(jǐn)?shù)纳裳莼碚摽蚣埽辉O(shè)計(jì)能夠保持物理不變量的數(shù)值算法，發(fā)展流形約束下的動(dòng)力學(xué)控制機(jī)制，使生成路徑嚴(yán)格滿足守恒、邊界與幾何等約束要求；進(jìn)一步面向功能材料設(shè)計(jì)、復(fù)雜物理場反演與參數(shù)識(shí)別等典型任務(wù)，研究“模型—算法—驗(yàn)證”一體化技術(shù)，提升約束滿足精度與結(jié)果可信度。

　　4. 融合物理與人工智能的極端尺度科學(xué)成像。

　　發(fā)展面向極端尺度的科學(xué)成像新方法，推進(jìn)多尺度、多物理場計(jì)算物理模型與生成式人工智能、視覺—語言基礎(chǔ)模型等前沿人工智能技術(shù)深度融合，構(gòu)建可解釋、可通用的成像反演框架。面向先進(jìn)制程半導(dǎo)體三維量測、非侵入深層生物組織成像、深空天文探測等極端空間、時(shí)間與能量尺度場景，突破現(xiàn)有技術(shù)在成像分辨率、成像深度、成像對比度、成像通量及不確定性量化等方面的瓶頸，構(gòu)建可開放共享的模型、數(shù)據(jù)與工具體系，在不少于3種典型科學(xué)成像任務(wù)上驗(yàn)證有效性。

　　5. 基于深度學(xué)習(xí)的量子多體計(jì)算。

　　面向多電子薛定諤方程的高精度與高可擴(kuò)展求解，發(fā)展以變分優(yōu)化為核心的量子多體計(jì)算方法。圍繞量子多體基態(tài)、激發(fā)態(tài)、有限溫度與動(dòng)力學(xué)等科學(xué)問題，構(gòu)建融合神經(jīng)網(wǎng)絡(luò)量子態(tài)、張量網(wǎng)絡(luò)與生成模型的新型計(jì)算框架，突破高精度、大規(guī)模與長時(shí)間演化的計(jì)算瓶頸，建立可復(fù)用的開源算例庫與數(shù)據(jù)集。在強(qiáng)關(guān)聯(lián)體系、高壓致密物質(zhì)及超快動(dòng)力學(xué)等前沿領(lǐng)域，取得可實(shí)驗(yàn)驗(yàn)證的熱力學(xué)狀態(tài)方程、相圖與譜學(xué)計(jì)算結(jié)果。

　　6. 人工智能加速的仿星器優(yōu)化設(shè)計(jì)。

　　針對仿星器優(yōu)化中多目標(biāo)、高參數(shù)維度與強(qiáng)非線性等挑戰(zhàn)，發(fā)展人工智能驅(qū)動(dòng)的仿星器聚變堆設(shè)計(jì)新方法：（1）構(gòu)建開源的大規(guī)模先進(jìn)仿星器平衡態(tài)與線圈設(shè)計(jì)數(shù)據(jù)庫，規(guī)模不少于10萬組，覆蓋典型設(shè)計(jì)空間，支撐模型訓(xùn)練標(biāo)定與可復(fù)現(xiàn)評測；（2）基于生成式人工智能技術(shù)，對指定設(shè)計(jì)指標(biāo)快速生成可行的初始候選方案，實(shí)現(xiàn)仿星器優(yōu)化設(shè)計(jì)的“熱啟動(dòng)”；（3）建立等離子體約束與穩(wěn)定性等多目標(biāo)優(yōu)化的高保真深度神經(jīng)網(wǎng)絡(luò)代理模型，提升單次評估效率與可信度，支撐閉環(huán)迭代優(yōu)化。

　　7. 耐受極端環(huán)境的生物元件設(shè)計(jì)平臺(tái)。

　　面向生物制造對耐受極端工業(yè)環(huán)境生物元件的需求，開發(fā)通用的、人工智能驅(qū)動(dòng)的設(shè)計(jì)平臺(tái)。（1）建立來自真實(shí)世界的大規(guī)模生物元件序列數(shù)據(jù)集，規(guī)模不少于100億條，包括不少于50億條環(huán)境標(biāo)簽，包含不少于10億條來自高溫、高壓、強(qiáng)酸、強(qiáng)堿等極端環(huán)境的序列；（2）構(gòu)建生物元件預(yù)訓(xùn)練人工智能模型，并開發(fā)極端環(huán)境適應(yīng)度預(yù)測模型與特定條件下的元件挖掘模型；（3）研究小樣本和主動(dòng)學(xué)習(xí)方法，開發(fā)配套自動(dòng)化實(shí)驗(yàn)裝置，實(shí)現(xiàn)干濕閉環(huán)迭代。在小樣本（不超過100個(gè)實(shí)驗(yàn)樣本）條件下，完成不少于3款可耐受極端工業(yè)環(huán)境的生物元件的設(shè)計(jì)驗(yàn)證。 

　　（二）集成項(xiàng)目。

　　本年度擬遴選具有重大應(yīng)用價(jià)值和良好研究基礎(chǔ)的研究方向進(jìn)行集成資助，研究方向如下：

　　1. 深度神經(jīng)網(wǎng)絡(luò)動(dòng)力學(xué)機(jī)制理論與新架構(gòu)設(shè)計(jì)。

　　針對深度神經(jīng)網(wǎng)絡(luò)在訓(xùn)練中的重要現(xiàn)象，從動(dòng)力學(xué)角度研究現(xiàn)象背后的機(jī)制，為深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練優(yōu)化與新架構(gòu)設(shè)計(jì)提供理論指導(dǎo)。（1）針對大模型訓(xùn)練中的尺度定律（scaling law）現(xiàn)象，通過系統(tǒng)分析學(xué)習(xí)率、批大小、權(quán)重衰減等超參數(shù)作用，揭示尺度定律產(chǎn)生的內(nèi)在機(jī)理及邊界條件，形成面向大模型訓(xùn)練的調(diào)參指導(dǎo)原則，并在參數(shù)規(guī)模不少于10億的模型訓(xùn)練任務(wù)中驗(yàn)證；（2）針對深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程，通過系統(tǒng)分析架構(gòu)、優(yōu)化算法、初始化、權(quán)重衰減等，研究嵌入結(jié)構(gòu)的形成機(jī)制、記憶和推理的偏好機(jī)制、不穩(wěn)定現(xiàn)象（如損失尖峰等）的成因，以及損失景觀上訓(xùn)練軌跡的特征等，在參數(shù)規(guī)模不少于10億的模型上驗(yàn)證；（3）針對不同深度神經(jīng)網(wǎng)絡(luò)優(yōu)化算法收斂速度存在差異的現(xiàn)象，選取至少三種主流優(yōu)化算法，對其訓(xùn)練動(dòng)力學(xué)特性進(jìn)行分析建模，并揭示其收斂特性與內(nèi)在機(jī)理；（4）基于理論研究，發(fā)展新型深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)架構(gòu)及相應(yīng)預(yù)訓(xùn)練方法，在不少于300億詞元的真實(shí)數(shù)據(jù)集上進(jìn)行訓(xùn)練，驗(yàn)證其相對于經(jīng)典decoder-only Transformer架構(gòu)的性能優(yōu)勢。

　　2. 符合物理規(guī)律的世界模型理論與關(guān)鍵技術(shù)。

　　面向通用智能體長期自主交互需求，研究數(shù)據(jù)驅(qū)動(dòng)與物理機(jī)理融合的可交互視頻世界模型技術(shù)，建立“生成—理解”一體化機(jī)制，支撐魯棒規(guī)劃、安全決策與持續(xù)學(xué)習(xí)，構(gòu)建長時(shí)交互數(shù)據(jù)與物理一致性基準(zhǔn)。（1）構(gòu)建刻畫連續(xù)動(dòng)力學(xué)、離散事件與高層語義的統(tǒng)一架構(gòu)，研究開放環(huán)境下模型自診斷、自完善方法；（2）提出碰撞、移動(dòng)、流動(dòng)等關(guān)鍵物理屬性的顯式嵌入與可控推演技術(shù)，開發(fā)支持多主體、多視角復(fù)雜場景的長時(shí)連續(xù)交互生成模型，形成百億級參數(shù)世界模型底座，連續(xù)生成與推演時(shí)長不少于180秒；（3）研究物理先驗(yàn)驅(qū)動(dòng)的因果建模與可干預(yù)推斷，面向罕見事件與分布漂移實(shí)現(xiàn)策略演進(jìn)與模型自適應(yīng)，確保能量守恒、碰撞等關(guān)鍵物理約束違背率不超過5%，提升對長尾風(fēng)險(xiǎn)的魯棒性與可恢復(fù)性；（4）探索基于世界模型的不確定性評估、風(fēng)險(xiǎn)約束規(guī)劃與安全決策機(jī)制，構(gòu)建“世界模型+具身智能體”閉環(huán)系統(tǒng)原型，在靈巧操作、具身導(dǎo)航、多智能體協(xié)同等不少于3類任務(wù)中開展端到端驗(yàn)證，成功率不低于85%。

　　3. 感知與決策協(xié)同的全病種多模態(tài)病理大模型與應(yīng)用。

　　針對多中心病理數(shù)據(jù)分布和模態(tài)多樣性的挑戰(zhàn)，研究面向全病種、賦能臨床全流程的通用病理基礎(chǔ)大模型。（1）構(gòu)建覆蓋不少于100個(gè)中心、50萬患者的大規(guī)模病理數(shù)據(jù)庫，訓(xùn)練不少于300億參數(shù)、支持萬級上下文理解的基礎(chǔ)大模型。探索數(shù)據(jù)規(guī)模、模態(tài)配比與模型容量約束下的表征與泛化規(guī)律，研究面向病理全場圖的超長上下文編碼方法；（2）研究病理多模態(tài)數(shù)據(jù)（HE、免疫組化、分子病理、診斷報(bào)告）的跨模態(tài)統(tǒng)一表征與對齊融合機(jī)制，闡明“對齊—融合”協(xié)同驅(qū)動(dòng)的跨模態(tài)語義一致性機(jī)制，構(gòu)建百萬級病理圖文指令數(shù)據(jù)；（3）研究面向鏡下閱片與高通量掃描等不同臨床場景的通用模型適配方法，發(fā)展模型量化及多規(guī)格適配的關(guān)鍵技術(shù)，構(gòu)建面向嵌入式環(huán)境的高效推理機(jī)制，結(jié)合診斷智能體與強(qiáng)化學(xué)習(xí)，探索切片掃描過程中感知與決策并行耦合的主動(dòng)診斷框架。在不少于100家醫(yī)療機(jī)構(gòu)完成研究成果驗(yàn)證。

　　4. 面向空天發(fā)動(dòng)機(jī)高端工程裝備研發(fā)的智能基座與應(yīng)用。

　　研究面向空天發(fā)動(dòng)機(jī)高端工程裝備研發(fā)的全流程智能一體化方法，并開展示范應(yīng)用：（1）研究融合物理機(jī)理的大模型自監(jiān)督預(yù)訓(xùn)練方法，構(gòu)建融合多源領(lǐng)域知識(shí)、工程數(shù)據(jù)以及計(jì)算工具的垂域基座模型（不少于100億參數(shù)），驗(yàn)證模型在復(fù)雜工程任務(wù)中的推理、工具調(diào)用和決策能力；（2）構(gòu)建“設(shè)計(jì)—分析—制造”全流程智能體體系，實(shí)現(xiàn)幾何設(shè)計(jì)智能生成與強(qiáng)泛化預(yù)訓(xùn)練模型的耦合，完成自動(dòng)化閉環(huán)智能設(shè)計(jì)流程；（3）打通從智能生成到物理樣機(jī)的全數(shù)據(jù)鏈路，研制不少于3種不同推力等級的高性能發(fā)動(dòng)機(jī)樣機(jī)，在真實(shí)工程型號中開展中試，驗(yàn)證人工智能方法在高端裝備研制中的通用性與有效性。

　　四、項(xiàng)目遴選的基本原則。

　　（一）緊密圍繞核心科學(xué)問題，鼓勵(lì)基礎(chǔ)性和交叉性的前沿探索，優(yōu)先支持原創(chuàng)性研究。

　　（二）優(yōu)先支持面向發(fā)展下一代人工智能新方法或能推動(dòng)人工智能新方法在科學(xué)領(lǐng)域應(yīng)用的研究項(xiàng)目。

　　（三）重點(diǎn)支持項(xiàng)目和集成項(xiàng)目應(yīng)具有良好的研究基礎(chǔ)和前期積累，對總體科學(xué)目標(biāo)有直接貢獻(xiàn)并發(fā)揮支撐作用。

　　五、2026年度資助計(jì)劃

　　擬資助重點(diǎn)支持項(xiàng)目約5項(xiàng)，直接費(fèi)用資助強(qiáng)度約為200萬元/項(xiàng)，資助期限為3年，重點(diǎn)支持項(xiàng)目申請書中研究期限應(yīng)填寫“2027年1月1日－2029年12月31日”；擬資助集成項(xiàng)目約4項(xiàng)，直接費(fèi)用資助強(qiáng)度為300－500萬元/項(xiàng)，資助期限為3年，集成項(xiàng)目申請書中研究期限應(yīng)填寫“2027年1月1日－2029年12月31日”。

　　六、申請要求及注意事項(xiàng)

　　（一）申請條件。

　　本重大研究計(jì)劃項(xiàng)目申請人應(yīng)當(dāng)具備以下條件：

　　1. 具有承擔(dān)基礎(chǔ)研究課題的經(jīng)歷；

　　2. 具有高級專業(yè)技術(shù)職務(wù)（職稱）。

　　在站博士后研究人員、正在攻讀研究生學(xué)位以及無工作單位或者所在單位不是依托單位的科學(xué)技術(shù)人員不得作為申請人進(jìn)行申請。

　　（二）限項(xiàng)申請規(guī)定。

　　執(zhí)行《2026年度國家自然科學(xué)基金項(xiàng)目指南》“申請規(guī)定”中限項(xiàng)申請規(guī)定的相關(guān)要求。

　　（三）申請注意事項(xiàng)。

　　申請人和依托單位應(yīng)當(dāng)認(rèn)真閱讀并執(zhí)行本項(xiàng)目指南、《2026年度國家自然科學(xué)基金項(xiàng)目指南》和《關(guān)于2026年度國家自然科學(xué)基金項(xiàng)目申請與結(jié)題等有關(guān)事項(xiàng)的通告》中相關(guān)要求。

　　1. 本重大研究計(jì)劃項(xiàng)目實(shí)行無紙化申請。申請書提交日期為2026年3月1日－2026年3月20日16時(shí)。

　　（1）申請人應(yīng)當(dāng)按照科學(xué)基金網(wǎng)絡(luò)信息系統(tǒng)（以下簡稱“信息系統(tǒng)”）中重大研究計(jì)劃項(xiàng)目的填報(bào)說明與撰寫提綱要求在線填寫和提交電子申請書及附件材料。

　　（2）本重大研究計(jì)劃旨在緊密圍繞核心科學(xué)問題，對多學(xué)科相關(guān)研究進(jìn)行戰(zhàn)略性的方向引導(dǎo)和優(yōu)勢整合，成為一個(gè)項(xiàng)目集群。申請人應(yīng)根據(jù)本重大研究計(jì)劃擬解決的核心科學(xué)問題和項(xiàng)目指南公布的擬資助研究方向，自行擬定項(xiàng)目名稱、科學(xué)目標(biāo)、研究內(nèi)容、技術(shù)路線和相應(yīng)的研究經(jīng)費(fèi)等。

　　（3）申請書中的資助類別選擇“重大研究計(jì)劃”，亞類說明選擇“重點(diǎn)支持項(xiàng)目”或“集成項(xiàng)目”，附注說明選擇“可解釋、可通用的下一代人工智能方法”，受理代碼選擇T01，根據(jù)申請的具體研究內(nèi)容選擇不超過5個(gè)申請代碼。

　　重點(diǎn)支持項(xiàng)目的合作研究單位不得超過2個(gè)，集成項(xiàng)目合作研究單位不得超過4個(gè)。集成項(xiàng)目主要參與者必須是項(xiàng)目的實(shí)際貢獻(xiàn)者，合計(jì)人數(shù)不超過9人。

　　（4）申請人在申請書起始部分應(yīng)明確說明申請符合本項(xiàng)目指南中的資助研究方向，以及對解決本重大研究計(jì)劃核心科學(xué)問題、實(shí)現(xiàn)本重大研究計(jì)劃科學(xué)目標(biāo)的貢獻(xiàn)。

　　如果申請人已經(jīng)承擔(dān)與本重大研究計(jì)劃相關(guān)的其他科技計(jì)劃項(xiàng)目，應(yīng)當(dāng)在申請書正文的“研究基礎(chǔ)與工作條件”部分論述申請項(xiàng)目與其他相關(guān)項(xiàng)目的區(qū)別與聯(lián)系。

　　2. 依托單位應(yīng)當(dāng)按照要求完成依托單位承諾、組織申請以及審核申請材料等工作。在2026年3月20日16時(shí)前通過信息系統(tǒng)逐項(xiàng)確認(rèn)提交本單位電子申請書及附件材料，并于3月21日16時(shí)前在線提交本單位項(xiàng)目申請清單。未按時(shí)提交項(xiàng)目清單的申請將不予接收。

　　3. 其他注意事項(xiàng)。

　　（1）為實(shí)現(xiàn)重大研究計(jì)劃總體科學(xué)目標(biāo)和多學(xué)科集成，獲得資助的項(xiàng)目負(fù)責(zé)人應(yīng)當(dāng)承諾遵守相關(guān)數(shù)據(jù)和資料管理與共享的規(guī)定，項(xiàng)目執(zhí)行過程中應(yīng)關(guān)注與本重大研究計(jì)劃其他項(xiàng)目之間的相互支撐關(guān)系。

　　（2）為加強(qiáng)項(xiàng)目的學(xué)術(shù)交流，促進(jìn)項(xiàng)目群的形成和多學(xué)科交叉與集成，本重大研究計(jì)劃將每年舉辦1次資助項(xiàng)目的年度學(xué)術(shù)交流會(huì)，并將不定期地組織相關(guān)領(lǐng)域的學(xué)術(shù)研討會(huì)。獲資助項(xiàng)目負(fù)責(zé)人有義務(wù)參加本重大研究計(jì)劃指導(dǎo)專家組和管理工作組所組織的上述學(xué)術(shù)交流活動(dòng)，并認(rèn)真開展學(xué)術(shù)交流。

　　（四）咨詢方式。

　　國家自然科學(xué)基金委員會(huì)交叉科學(xué)部交叉科學(xué)一處

　　聯(lián)系電話：010-62328382