國(guó)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(qǐng)申請(qǐng)人及依托單位按項(xiàng)目指南所述要求和注意事項(xiàng)申請(qǐng)。  

 

國(guó)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(guó)家重大戰(zhàn)略需求，以人工智能的基礎(chǔ)科學(xué)問(wèn)題為核心，發(fā)展人工智能新方法體系，促進(jìn)我國(guó)人工智能基礎(chǔ)研究和人才培養(yǎng)，支撐我國(guó)在新一輪國(guó)際科技競(jìng)爭(zhēng)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(duì)數(shù)據(jù)的依賴性強(qiáng)等基礎(chǔ)科學(xué)問(wèn)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(wèn)題

　　本重大研究計(jì)劃針對(duì)可解釋、可通用的下一代人工智能方法的基礎(chǔ)科學(xué)問(wèn)題，圍繞以下三個(gè)核心科學(xué)問(wèn)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(duì)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(guò)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(kù)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(kù)、知識(shí)庫(kù)、物理模型庫(kù)和算法庫(kù)，推動(dòng)人工智能新方法在解決科學(xué)領(lǐng)域復(fù)雜問(wèn)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(wèn)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(duì)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(qǐng)項(xiàng)目，研究方向如下：

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

　　針對(duì)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(duì)稱性先驗(yàn)的瓶頸問(wèn)題，發(fā)展能夠與數(shù)據(jù)對(duì)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(duì)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(duì)稱性的新型深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)模塊體系。完成對(duì)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(duì)稱性先驗(yàn)改造，使其具備旋轉(zhuǎn)、鏡像、仿射等幾何對(duì)稱性的建模能力；在不少于3類實(shí)際應(yīng)用場(chǎng)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(guò)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(jìng)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(duì)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(guò)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(chǎng)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(chǎng)計(jì)算物理模型與生成式人工智能、視覺(jué)—語(yǔ)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(cè)、非侵入深層生物組織成像、深空天文探測(cè)等極端空間、時(shí)間與能量尺度場(chǎng)景，突破現(xiàn)有技術(shù)在成像分辨率、成像深度、成像對(duì)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(wèn)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(zhǎng)時(shí)間演化的計(jì)算瓶頸，建立可復(fù)用的開源算例庫(kù)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(duì)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(kù)，規(guī)模不少于10萬(wàn)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(píng)測(cè)；（2）基于生成式人工智能技術(shù)，對(duì)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(píng)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(duì)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(lái)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(lái)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(cè)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(guò)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(duì)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(duì)大模型訓(xùn)練中的尺度定律（scaling law）現(xiàn)象，通過(guò)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(duì)深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，通過(guò)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(duì)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(duì)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(duì)于經(jīng)典decoder-only Transformer架構(gòu)的性能優(yōu)勢(shì)。

　　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(zhǎng)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(zhǎng)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(yǔ)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(chǎng)景的長(zhǎng)時(shí)連續(xù)交互生成模型，形成百億級(jí)參數(shù)世界模型底座，連續(xù)生成與推演時(shí)長(zhǎng)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(guò)5%，提升對(duì)長(zhǎng)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(píng)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(duì)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(wàn)患者的大規(guī)模病理數(shù)據(jù)庫(kù)，訓(xùn)練不少于300億參數(shù)、支持萬(wàn)級(jí)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(chǎng)圖的超長(zhǎng)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(duì)齊融合機(jī)制，闡明“對(duì)齊—融合”協(xié)同驅(qū)動(dòng)的跨模態(tài)語(yǔ)義一致性機(jī)制，構(gòu)建百萬(wàn)級(jí)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(chǎng)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(guò)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(jí)的高性能發(fā)動(dòng)機(jī)樣機(jī)，在真實(shí)工程型號(hào)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(wèn)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(duì)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(wàn)元/項(xiàng)，資助期限為3年，重點(diǎn)支持項(xiàng)目申請(qǐng)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(wàn)元/項(xiàng)，資助期限為3年，集成項(xiàng)目申請(qǐng)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(qǐng)要求及注意事項(xiàng)

　　（一）申請(qǐng)條件。

　　本重大研究計(jì)劃項(xiàng)目申請(qǐng)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(jí)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(wú)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(qǐng)人進(jìn)行申請(qǐng)。

　　（二）限項(xiàng)申請(qǐng)規(guī)定。

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

　　（三）申請(qǐng)注意事項(xiàng)。

　　申請(qǐng)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(guó)家自然科學(xué)基金項(xiàng)目指南》和《關(guān)于2026年度國(guó)家自然科學(xué)基金項(xiàng)目申請(qǐng)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(wú)紙化申請(qǐng)。申請(qǐng)書提交日期為2026年3月1日－2026年3月20日16時(shí)。

　　（1）申請(qǐng)人應(yīng)當(dāng)按照科學(xué)基金網(wǎng)絡(luò)信息系統(tǒng)（以下簡(jiǎn)稱“信息系統(tǒng)”）中重大研究計(jì)劃項(xiàng)目的填報(bào)說(shuō)明與撰寫提綱要求在線填寫和提交電子申請(qǐng)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(wèn)題，對(duì)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(shì)整合，成為一個(gè)項(xiàng)目集群。申請(qǐng)人應(yīng)根據(jù)本重大研究計(jì)劃擬解決的核心科學(xué)問(wèn)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?jī)?nèi)容、技術(shù)路線和相應(yīng)的研究經(jīng)費(fèi)等。

　　（3）申請(qǐng)書中的資助類別選擇“重大研究計(jì)劃”，亞類說(shuō)明選擇“重點(diǎn)支持項(xiàng)目”或“集成項(xiàng)目”，附注說(shuō)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(qǐng)的具體研究?jī)?nèi)容選擇不超過(guò)5個(gè)申請(qǐng)代碼。

　　重點(diǎn)支持項(xiàng)目的合作研究單位不得超過(guò)2個(gè)，集成項(xiàng)目合作研究單位不得超過(guò)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(guò)9人。

　　（4）申請(qǐng)人在申請(qǐng)書起始部分應(yīng)明確說(shuō)明申請(qǐng)符合本項(xiàng)目指南中的資助研究方向，以及對(duì)解決本重大研究計(jì)劃核心科學(xué)問(wèn)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(qǐng)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(qǐng)書正文的“研究基礎(chǔ)與工作條件”部分論述申請(qǐng)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(qǐng)以及審核申請(qǐng)材料等工作。在2026年3月20日16時(shí)前通過(guò)信息系統(tǒng)逐項(xiàng)確認(rèn)提交本單位電子申請(qǐng)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(qǐng)清單。未按時(shí)提交項(xiàng)目清單的申請(qǐng)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(guò)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(guó)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