【招标信用】2026年度北京市自然科学基金第一批项目申请发布

按照北京市自然科学基金（以下简称市基金）年度工作计划，现启动2026年度第一批项目申请工作，有关事项通知如下：
受理项目类型
No.1
本次申报项目类型包括北京市青年科学基金重点项目（以下简称青年重点项目）和交叉融合重点项目（以下简称交叉项目）。
若项目获得资助，承担或参与市基金项目的单位纳统时应当据实填报相关基础研究经费数据；获资助的项目负责人优先推荐参与市基金“青菁π对”等系列活动；鼓励项目产生的优秀成果优先在国内科技期刊上发表（建议比例不低于20%）；有转化潜力的优秀项目成果优先对接在北京转化落地；鼓励项目团队依托重大科技设施平台、国产科学仪器开展研究。
项目定位与资助计划
No.2
青年重点项目旨在支持已有较好国际合作基础，在基础研究或应用基础研究方面已取得突出成绩的青年科学技术人员，形成研究团队，合作开展创新研究。申报领域应当聚焦北京市基础研究重点领域，包括数学、物理、化学、生命科学等基础研究领域，以及新一代信息技术、医药健康、集成电路、新材料、清洁能源、高端仪器、航空航天等应用基础研究领域。项目实施周期为3年，资助强度原则上不超过100万元/项。2026年度青年重点项目计划资助40项左右。
交叉项目定位于“服务国家战略、支持前沿探索、聚焦问题导向、突出学科交叉”。人工智能赋能科学研究作为加速科学研究的新型范式，已在全球范围内形成共识，将对未来科学技术和产业发展带来深远的影响。为抢抓科学智能战略发展机遇，2026年度交叉项目围绕“人工智能+”进行体系化布局，重点鼓励优秀青年科研人员在人工智能+数学、人工智能+物理、人工智能+化学、人工智能+生命科学、人工智能+医药健康、人工智能+新一代信息技术、人工智能+新材料等领域开展交叉融合研究。项目实施周期不超过4年，项目资助强度原则上不超过300万元/项。项目采用双负责人制组织形式，须由两位申请人联合申请（优先支持两位申请人跨领域、跨单位合作），鼓励不同研究领域科研人员开展实质性优势互补合作研究。2026年度交叉项目计划资助20项左右。
2026年度北京市自然科学基金
交叉融合重点项目指南
No.3
AI + 数学
智能计算范式下的科学计算研究
针对AI-偏微分方程混合模型的不确定性量化与可靠预测等问题，研究AI算子在不同方程类型间的迁移与泛化，设计复杂场问题中的自适应智能优化方法，解决物理约束与数据驱动的融合优化问题；构建AI-偏微分方程计算结果的可验证与可解释性的标准，提升智能计算在处理非线性、多尺度系统中的计算效率与稳定性。建立相关科学计算的智能系统，助力科研人员解决数学猜想、求解重大难题、提出新理论新方法。
可解释性、泛化性强的AI模型研究
针对AI求解高维、非线性和非局部偏微分方程训练策略理论机制不明等问题，构建新的神经网络框架，并扩展到黎曼流形和复杂几何上的偏微分方程；基于机器学习探索新的可积系统和几何流形、新的紧致化几何数学结构，以及具有量子计算潜在应用的新拓扑相等。为先进材料、复杂流动等发展原子/微观模拟向连续介质模型的跨尺度方法，推动AI赋能理论数学与应用数学发展。
AI + 物理
AI赋能磁场下电输运物理机制与分类研究
针对传统实验与理论难以全景式识别磁场下电输运性质，难以确定其物理机制与分类等问题，构建大规模磁电输运实验和计算数据库，采用机器学习模型挖掘自旋-轨道耦合、能带拓扑、电子结构等因素与磁场下电输运性质的内在关联；开发高通量材料预测与分类的AI框架，形成从微观机制揭示到宏观性能预测的闭环，发现高性能、高灵敏磁响应的新功能材料。为下一代磁传感与存储及自旋逻辑器件的设计提供AI加速的理论与工具支撑。
AI赋能无序体系的智能解析与设计研究
针对无序体系在表界面及受限环境中原子级结构难以精准表征等关键问题，融合透射电镜、原子力显微镜等多源数据，发展AI驱动的原子级表征与解析新技术；实现无序体系局域结构与动力学过程的精准重构与定量解析，揭示其非平衡演化规律及响应机制，推动从微观结构到宏观性能的跨尺度理解；发展基于AI的无序体系设计方案，开展潜在优选构型与关键性能参数的高效筛选，构建材料性能预测模型及实验验证体系。推动无序材料高效设计和智能性能调控，拓展多领域创新应用。
AI + 化学
跨尺度构效解析与化学材料智能推演研究
针对化学材料智能设计研究中存在的高维数据分布稀疏且质量缺位、多模态数据关联有限且可解释性与外延性不足、闭环设计与迭代验证困难等问题，基于AI与数据驱动的范式开展跨尺度构效关系的智能表示与机制解析研究，阐明从分子与材料的微观结构或行为到宏观性能的跨尺度内禀关联；探索性能导向的化学智能逆向设计与调控机制，实现兼具功能、可制备与成本优化等属性的分子与材料逆向设计；利用AI智能推演模式探索面向化学与材料领域的知识提取与表示方法，促进有关新型构效关系发现及理论机制研究。加速形成化学材料研究的“数据驱动-知识提炼-假设生成-实验验证”的智能化研究路径。
催化材料自主发现的新范式与智能闭环研究
针对催化材料智能设计中表面重构难、动力学参数匮乏、异常识别不足等核心难题，发展可泛化的模块化表征方法，实现反应活性与动力学数据的高效获取；通过数据驱动与知识引导的协同赋能，构建融合“探索模型”与“知识模型”的AI决策系统，驱动AI在高维空间开展自反馈自由化探索，实现催化机理的自主发现及催化材料的持续迭代。支撑绿氢制备、光催化、CO₂转化、合成燃料等碳中和关键反应的工业级催化材料研究加速。
AI + 生命
下一代跨尺度神经活动检测与成像技术及AI算法研究
针对当前神经活动检测与成像研究中参数单一、数据处理速度慢且存在噪声、伪影等问题，以AI算法为核心赋能神经活动的跨尺度、实时、高保真三维重建、监测与解析；通过新型深度学习等方法，对光遗传学、钙成像、先进显微等技术获取的大规模跨脑区亚细胞级别神经元活动进行高通量自动分割、追踪和特征提取，构建AI多模态数据融合模型，实现对神经功能连接组的精准实时解码与表征。为解析神经环路、研发精准脑机交互与治疗方案提供可信计算支撑，推动从结构原理向生命应用跨越。
AI赋能的非传统分子比特并行DNA存储研究
针对主流DNA存储串行写入速度慢、编码密度低以及静态数据难以操控等问题，结合AI技术，构建非传统分子比特评估筛选模型，发展AI辅助的新型分子比特信号精准识别模型，突破“A/T/G/C”天然碱基的编码限制，实现大规模高并行的非传统DNA存储；建立AI驱动的DNA电路动态调控机制和信息解码框架，提升分子数据的操控灵活性与精准性，实现基于非传统分子比特DNA存储的高安全加密。促进自主原创实用化DNA存储研究的发展，为大规模数据存储、分子信息安全等领域提供源头支撑。
AI + 新一代信息技术
AI赋能的量子计算研究
针对量子编译研究中存在编译效率低、算法优化难、保真度难控制等问题，基于强化学习、图神经网络与大模型，实现量子线路自动综合、硬件高效映射，显著降低电路深度与门开销，实现AI驱动的高效量子编译器；利用机器学习自动挖掘量子-经典混合算法新结构，实现组合优化、量子化学的算力智能发现；利用AI精准建模与生成式方法，解决量子比特频率排布、串扰抑制与耦合强度均衡，实现规模化量子芯片智能测量优化；融合深度学习与最优控制理论，直接优化脉冲级波形，提升单/双比特门及读取保真度，增强量子门与读取保真度；构建AI驱动实时误差感知和自适应动态解耦，压制噪声影响并缓解量子错误。提升量子计算“硬件-算法”协同效率，为构建可扩展、可容错、可实用的量子计算系统发展提供源头支撑。
高效具身计算大脑研究
针对高效具身计算大脑研究中面临的类脑计算理论、智能架构、物理世界适配与软硬协同等难题，探索具身在线学习的样本效率机制，构建数据高效的在线强化学习框架和具身基础模型；构建软硬件协同的高效异构具身计算架构，研究强化学习智能体在多模态感知-决策-控制回路中的计算模式与数据流特征；开展多模态具身基础模型低精度训练和推理方法研究，解决低精度计算范式下的精度损失问题；研究人类意图预测模型，在人机复杂协作任务提升与人的交互协作能力。推动高效具身计算大脑从“功能实现”向“智能高效”的跃迁。
AI赋能的人形机器人设计解构研究
针对人形机器人设计解构研究中存在的物理失真、数据稀缺、控制欠精准等难题，开发基于“视觉-触觉-运动参数”协同的新型智能控制模型，揭示视觉场景、运动意图、运动参数与触觉反馈之间的动态映射关系；构建融合物理知识的视觉世界模型，提升人形机器人跨场景感知、理解与预测的泛化能力；建立融合物理机理的自适应触觉表征学习模型，实现触觉与运动参数的精准重构与同步调节；研究视觉-触觉信号的强化学习控制策略，实现人形机器人运动控制参数的个性化自适应调整；建立个体化智能调参与策略迁移的强化学习框架，实现人形机器人在与环境的交互过程中自学习、自优化与智能演进。加速实现人形机器人“设计-仿真-控制-验证”全链条底层基础研究实力的提升。
AI赋能的微腔光电集成器件研究
针对微腔光电集成器件研究中存在的材料物性复杂、模场按需设计困难、实际应用发展滞后等关键问题，结合AI研究光电材料中光-物质相互作用与电子传输，解析光电器件中复杂激发态与界面耦合机理，实现新奇光电效应；采用进化算法反向设计具有混沌等特性的复杂微腔光场，获得兼具超高品质因子和远场定向发射的光学微腔；通过深度神经网络研究微腔电光调制过程的反演与控制方法，探索产生应用所需的宽谱平坦光梳新方案，实现微腔电光频梳超高带宽及软硬协同光电系统。为光电集成器件在高速光通信、激光雷达测距等应用提供关键支撑。
AI赋能数据要素流通研究
针对数据要素流通、检索与溯源过程中存在的数据来源不可信、检索效率低、溯源链条断裂、隐私泄露风险高及跨域协同难等问题，通过联邦学习与区块链融合实现数据来源的动态验证与可信认证，突破虚假和有毒数据智能检测技术，建立跨域数据流通的可信身份体系；运用知识图谱与大模型技术构建语义增强的检索框架，实现多模态数据的语义理解与高效匹配；研究设计轻量化的数据可信溯源模型，实现数据全生命周期的可追溯性与不可篡改性；构建隐私保护下的数据共享技术，有效平衡数据可用性与安全性；研究数据要素流通组件的智能化检测方法，实现交易池大小、节点配置等关键参数的自适应策略优化。研究AI驱动的数据要素治理理论体系，提升数据要素流通效率与安全水平，为数据要素市场化配置提供有效技术支撑。
AI + 医药健康
面向神经退行性疾病的智能脑体闭环调控系统研究
针对临床采集脑体神经信号精度低、噪声高以及解码神经活动难等核心问题，开发基于柔性电极、近红外成像等技术的微创/无创脑机接口，采用高精度传感器采集神经活动、肢体状态等多模态信号，构建电/磁刺激、外骨骼、视/听/触觉等多模态反馈的“脑体闭环”系统；通过深度学习、神经网络等AI算法分析信号数据，挖掘疾病相关神经活动规律，实现病理状态实时识别与神经活动状态未来趋势预测。基于神经解码结果，设计个性化自适应智能治疗方案，通过智能反馈系统动态调整调控参数，实现“感知-解码-调控”实时闭环，并验证系统的安全性、有效性及长期稳定性。为神经退行性疾病提供精准化、个性化诊疗新路径，助力早期干预与病程可控。
AI赋能肿瘤精准识别的细胞疗法创新与临床研究
针对肿瘤细胞疗法中抗原异质、表观耐药等关键问题，以实体瘤个性化治疗的临床需求为导向，整合临床样本多组学数据与临床诊疗信息构建高质量专项数据集，基于深度学习等AI算法实现特异性抗原及新抗原靶点的精准预测和识别；绘制表观遗传修饰全景图谱，精准识别表观耐药靶点，解析表观耐药机制；构建以“精准靶向-高效杀伤-安全可控”为核心特征的肿瘤细胞疗法体系，验证其靶向特异性、杀伤效能及生物安全性，形成标准化治疗新方案。建立AI驱动的实体瘤细胞疗法研究新范式，加速新技术突破与临床转化，推动个性化细胞疗法落地临床。
AI驱动的干细胞抗衰老机制解析与干预策略研究
针对干细胞抗衰研究中存在的高质量标准化数据匮乏、衰老机制解析与实验验证脱节等问题，整合多组学数据与临床信息，构建多模态高质量数据库，通过AI构建干细胞特异性衰老时钟，精准识别驱动衰老的关键通路与靶点；使用生成式AI设计干预方案，优化具有抗衰老潜能的干细胞疗法及其衍生物，在疾病类器官和动物模型中验证其逆转细胞衰老等疗效。为阿尔兹海默症等老年期疾病的临床治疗提供源头支撑。
AI赋能虚拟细胞的智能药物研发算法与应用研究
针对药物研发中靶点发现低效、分子互作机制不清、临床用药预测不准等关键问题，以临床需求为导向，建立“AI数据驱动+算法建模”新范式，突破传统“试错式”筛选瓶颈，开展高通量虚拟筛选，精准识别药物新靶点；开发细胞调控规律生成式AI新算法、构建多模态虚拟细胞模型，整合多组学数据刻画细胞状态，运用AI解析靶点作用机制；模拟内源性扰动下的细胞响应，预测药物刺激后的药效与作用机制，研究潜在脱靶效应及联合用药协同/拮抗效应，形成智能药物研发技术新范式。为提升靶点成药性提供科学支撑，加速智能药物研发进程及临床应用。
人体器官模型的构建与应用研究
针对人体器官多尺度建模中无法精确重构多层次组织等的关键问题，以重大疾病需求为牵引，创新AI赋能数字器官核心算法，整合多源异构数据，创建能从分子到细胞再到组织进行动态模拟的多尺度虚拟器官；选取心、脑、肺等重要器官之一，构建覆盖器官内全解剖结构与超千万人源单细胞的数据集，发展整合多模态信息的人源数字器官模型，系统解析“基因调控—细胞状态—组织功能”的跨尺度互动规律。实现疾病驱动模块识别、分子通路扰动推演与病程预测，推动精准医疗的范式转型。
生命健康管理模型的构建与应用研究
针对传统片段式医疗模式下产生医疗静态数据碎片化、孤岛化等问题，构建高质量AI-Ready数据集，研究多层级功能的健康数字孪生模型，预警并分析个体用户的演进式、可解释典型共病风险和发展趋势；探索面向代谢性疾病、心脑血管疾病、睡眠障碍等典型多病共患慢病人群的精准管控的智能体求解范式，并构建可联邦协作的模型库与智能体。为实现个体健康全周期动态化管理提供基础支撑。
AI + 新材料
AI驱动的有机高分子材料性能预测与智能设计研究
针对有机高分子材料研究中存在的构象复杂、高维结构难以量化及构效关系不明确等关键挑战，构建高质量的AI-Ready数据库，发展适用于小样本的AI模型，提升对电子输运、生物界面反应、生物功能等关键性能的预测能力，实现从分子到聚集态的多尺度结构与性能关联解析；结合物理与AI模型揭示链折叠、自组装及相分离的调控机制，构建智能设计与实验制备的闭环研发路径，发展以需求为导向的全流程逆向设计策略。推动高分子材料性能优化，助力其在有机电子器件和生物医药领域的应用拓展。
AI驱动的抗病原体功能新材料设计与制备研究
针对抗病原体功能新材料研究中存在的体内外失配、加工兼容差、耐药机制不清等问题，探索建立材料-工艺-性能关联的AI理论体系，揭示材料表面特征与病原体黏附、繁殖、失活过程之间的内在关联，提升抗病原体性能的智能预测与机理解析；构建面向应用场景的智能设计体系，依托材料结构-抗菌/抗病毒性能关联模型，开展体外抑菌、抗病毒活性及生物相容性测试，揭示不同环境下材料与病原体的界面反应、失活路径等；AI驱动优化绿色制备工艺参数，实现制备过程中的反应条件、物料配比、合成路径等多目标优化。推动抗病原体功能材料在医疗、食品等领域的高效转化与标准化应用。
AI赋能的二维半导体设计及一体化智能集成
在集成电路设计制造中，存在二维半导体材料界面污染严重、快速筛选高质量材料难、CMOS器件平面集成密度低等关键瓶颈问题。构建基于AI的智能分析模型，建立从缺陷识别、结构重构到器件性能的智能化分析流程，探索材料缺陷类型和浓度的高通量智能分析，实现高质量二维半导体材料的快速无损检测与可重复性评价；融合计算机视觉等新技术赋能显微系统的自主决策，研究转移工艺的自适应优化调控机制，研制适配于低维材料的高精度、半自动集成装备样机，获得水平间隔小于百纳米的二维半导体转移材料阵列。加速二维半导体设计与制造从“经验驱动”向“数据驱动”的智能化转型。
版权声明
本文来源：国家自然科学基金委员会，仅用于学术分享，转载请注明出处。若有侵权，请联系【科奖平台】删除或修改！
免费资源推荐
关注科奖平台，回复关键词，查阅/下载资源
回复“01”，查阅中国专利奖申报书撰写模板
回复“02”，查阅中国专利奖分析报告
回复“03”，查阅国家科学技术奖经典知识
回复“04”，查阅国家科学技术奖历年评委名单
回复“05”，下载奖励申报书公示材料
回复“06”，查阅国基金各学部近四年评审名单
回复“07”，查阅2024科技奖励申报汇总
回复“影响因子”，下载影响因子名单
科奖平台，聚焦于科研、科技成果、高校科研院所、高科技企业领域，为广大高校企业科研工作者、学者和知识分子搭建信息分析和交流互动平台，汇集科技奖励、科技成果、人才发展、产学研等资讯！