Pixel art physics data analysis project cover.
Side Project / 主开发 / 教学工作流与算法解释

项目定位

SEUPhyX 是东南大学物理实验中心物理实验数据处理 Python 包。当前主要应用是密立根油滴实验人工智能辅助数据处理系统，用 Streamlit 提供网页交互界面，把学生数据录入、机器学习 Q 聚类、符号回归、传统方法对照和 PDF 报告生成串成完整工作流。

当前主流程

系统先由实验读数 t 和 U 计算连续电荷估计 q，再在 q 分布上做无监督聚类，不预设元电荷或整数倍关系。聚类之后用半峰宽筛选高置信点，最后对多个 q 簇的 U-t 曲线学习共享符号表达式，并把发现结果与公认元电荷做后验对照。

  • 数据记录：一次输入多组油滴数据，写入 oil_drop.csv。
  • AI 聚类：K-Means、Gaussian Mixture、DBSCAN、KDE 峰发现。
  • 符号回归：全局候选式、两阶段联合回归、神经网络 teacher 蒸馏。
  • 报告生成：输出包含学生信息、q 簇、拟合结果和图像的 PDF 报告。

教学价值

这个项目的关键不是替代实验，而是让学生在不知道电荷非连续性和元电荷数值的前提下，观察 AI 如何从复杂实验数据中发现结构。传统分类页仍保留为对照流程，但不再是当前 AI 聚类与符号回归的前置条件。

后续记录方向

后续可以继续公开记录视觉自动测量、报告模板、Streamlit Cloud 部署限制、学生文件持久化，以及从油滴视频中自动追踪速度的实验数据采集流程。

相关资料

这里保留项目仓库、论文、文档和本站相关文章入口，方便从主页卡片继续追踪原始资料。