中小学人工智能教育展示活动 || 物理实验中的计算成像——人工智能与物理的跨学科课程设计与实施（下）

物理实验中的计算成像

——人工智能与物理的跨学科课程设计与实施

文_赵爱慧　张　思　袁中果／中国人民大学附属中学

教学实施

引入：测重力加速度的方法（5分钟，主导教师：物理）

教师引导学生回忆物理课上如何测重力加速度。图2是用打点计时器打出纸带的示意图和真实图，展示学生传统实验过程中完整的打点、数点、测量长度，然后记录数据表并且作图的过程，依据相对充足的测量数据，再加上匀加速直线运动的模型，手动拟合做出了直线图。通过该过程回顾模型与数据的概念。学生通过观察传统物理实验，了解其中的不足，提出打点计时器的问题：无法描述真实运动物体形态——看不见；时间精度为0.10秒——看不清。随后教师展示从打点计时器到频闪照片的实验结果改进，时间精度可以从0.10秒提高到毫秒量级，引导学生思考问题求解的思路，为后续分析解决问题作铺垫，激发学生的学习兴趣。在这个过程中，明确界定研究问题为“物理实验如何才能看得见、看得清？”

图2　传统物理实验用打点计时器测重力加速度

本环节所用资源：幻灯片（PPT）、学生物理实验作业、频闪照片、白板。

本环节设计意图：通过教师复习和学生展示，观察传统科学分析方法中建模和数据处理的过程，体会简单科学研究的方法，引出问题，为后续作铺垫，激发学生的学习兴趣。

视频分析和机器学习原理及探索（10分钟，主导教师：物理与信息技术）

物理教师展示不同学生的物理实验作业（录视频测重力加速度）。第1位学生在录制视频前先确立了一个标尺作为参照物，该标尺上每个标记间相距20厘米。录制小球下落的视频后，通过视频分析软件进行截图，当画面中小球通过标记位置时，记录下对应视频的时间帧数，再通过公式计算得出重力加速度。用这种方式，学生可以直观地看到物体的运动，但是数据测量方式较为繁琐。第2位学生没有提前准备标尺，而是将录制的视频导入了一个名为Tracker的软件中，直接获取了物体下落的位移和时间信息，然后将这些数据录入Excel表格，计算得到重力加速度。第3位学生的作业更加智能化，不仅利用了Tracker软件自动跟踪物体获取位移和时间数据，还利用该软件直接对获取的数据进行拟合，得到位移时间曲线，自动计算出重力加速度的结果（见图3）。

图3　用Tracker软件获取数据

得益于信息技术的助力，学生的物理实验过程变得更加简单直观，但大部分学生对其背后的原理并不清楚。信息技术教师引导学生思考Tracker的建模、调整参数、分析数据等过程，就是机器学习的训练过程和测试过程，用流程图的形式巩固机器学习的概念，为后续理解计算成像作铺垫。然后让学生观察实验视频截取的图片，提出问题：“大家对视频结果满意吗？”学生会发现光线不好时，看不见物体的细节，这是物理光学的问题；运动速度加快后图像变得模糊不清，无法确定小球的位置，这是成像的问题。那么，有没有什么办法能更好地看见物体的运动呢？教师引导学生在Moodle在线讨论区发布自己的想法，分析问题的解决方案，即想要看得见和看得清，我们有物理和人工智能两个思路解决问题，从而引入后续课堂内容。

本环节所用资源：幻灯片（PPT）、学生实验作业视频、白板、Moodle在线讨论区。

本环节设计意图：通过教师的引导，学生逐步体验更加清晰便捷的运动分析方法，建立对机器学习更深刻的理解，并强化模型和数据两个概念，为引入计算成像打下基础。

物理方法：让看不见变为看得见（10分钟，主导教师：物理）

教师介绍更快的频闪——高速摄影，启发学生思考光在“看见”中的作用。通过展示不同物理过程对应的时间尺度，说明任何测量都必须比目标系统发生明显变化的时间更快，否则就只能得到模糊的结果。引入2023年诺贝尔物理学奖——阿秒激光的知识。阿秒激光是一个非常前沿的概念，根据本课所学内容，学生可以猜出一些它的物理特性，在Moodle平台完成课堂实践即在线测试选择题，理解解决看不见问题的物理方法及其关键因素。

本环节所用资源：幻灯片（PPT）、白板、Moodle在线测试。

本环节设计意图：通过教师引导，学生在实践中运用类比和联想，理解科学分析中对于实验观测的改进需求不断促进物理学发展的过程，为深入讲解计算成像作铺垫。

人工智能方法：让看不清变为看得清（10分钟，主导教师：信息技术）

本环节通过课堂实践，体验超分辨率重建中看不清的图像变为看得清的过程，理解人工智能方法中机器学习的作用。首先进行计算机成像建模，图像其实也是数据，那么在硬件限制的情况下如何用算法将看不清的变为看得清呢？就要用到我们前面巩固的机器学习模型。在实践环节中，给学生发放阅读材料，以小组为单位讨论，从原理角度重点关注以下问题：①输入数据是什么；②输出数据是什么；③训练数据如何获取；④评价标准如何定义。

小组整理好回答，发帖到Moodle平台讨论区，通过所有小组讨论得出结论。教师展示机器学习过程，即输入低分辨率图像，输出高分辨率图像，训练数据是通过原图降采样得到的低分辨率图，而评价标准则有RSNR、结构相似度、意见平均分等。

由此可见，整个问题求解的过程并不是一个学科就能完全解决的，是物理与人工智能共同努力的结果。这类研究其实是科学前沿的一大类问题，即计算成像，也是天然的跨学科链接主题。引导学生思考计算成像的内涵，强化科学探究与计算思维的结合，突出模型建构与数据分析的作用，并在后续介绍有关计算成像的迁移应用。

本环节所用资源：幻灯片（PPT）、白板、Moodle在线阅读资源、Moodle在线讨论区。

本环节设计意图：通过教师引导，学生在实践中体验模糊图像清晰化的过程，强化对机器学习原理的理解，突出模型建构与数据分析的作用；思考计算成像的内涵，强化科学探究与计算思维的结合。

总结与提升（5分钟，主导教师：信息技术与物理）

信息技术教师展示手机HDR摄影、黑洞照片的诞生、非视距成像等内容，引导学生思考数据的采集和模型的建构，以及最终结果的生成过程，理解计算成像的外延。接着讲述成像在物理实验观测中的重要性。科学是从测量开始的，而成像在测量中有着不可替代的作用，我们对自然的认知、对世界的观测，都需要看得见、看得清。这促使人类在成像方面有一系列的科技进步，催生了各种科学奖项，也极大地改善了我们的生产与生活。

最后进行课程总结，从一个物理实验出发，提出如何解决看不见、看不清的问题。在分析问题的过程中，探索出借助物理前沿手段可以让看不见变为看得见，人工智能技术可以从看不清变为看得清的求解思路，而这就是跨学科前沿领域计算成像的内涵。在进一步的迁移应用中可见科研上很多突破往往都是学科间互相推动、共同作用产生的结果。至此学生对跨学科有了更深刻的理解，最后在Moodle平台上或扫描二维码完成课堂评价。

本环节所用资源：幻灯片（PPT）、在线调研问卷。

本环节设计意图：通过教师引导，学生了解更多的迁移应用，理解计算成像的外延，并对相关问题进行思考，强化对模型建构和数据分析的理解，并激发对后续课程的兴趣；通过学生评价，掌握课堂效果，强化课堂总结。

教学总结与思考

本节课从界定问题、分析问题、求解问题、迁移应用4个阶段进行课程设计，以测重力加速度这一学生非常熟悉的物理实验为出发点，提出看不见与看不清的问题，逐步讲解视频分析与机器学习原理，借助人工智能与物理的跨学科知识，从不同角度出发解决问题，围绕计算成像的内涵与外延，展示跨学科的迭代创新，最终解决真实问题并应用到教学、科研和日常生活中。课上将前沿技术引进课堂，以真实情境展现科学家是如何解决问题的，实现了对学生跨学科思维能力的训练。

这节课由于时间所限，物理实验的部分是在之前的课堂上或以作业的形式完成，相关实验内容通过教师展示的形式呈现，问题的提出以教师引导为主，学生的思考和实践设计偏少。计算成像概念本身较为复杂，探索及理解需要逐步进行，但是由于课程信息量较大，在课上留给学生讨论和思考的时间偏少，师生互动和生生互动不是很充分。

虽然本节课的设计缺少真正能让学生动手体验的部分，但是本单元设计的最后2课“物理实验中的仿真模拟”会更偏重于动手实践，以学生为主体进行讨论和设计，充分发挥学生的主观能动性。教师在人工智能与物理跨学科单元教学的探究与实践中不断迭代创新，最终将促进学生信息技术与物理学科的核心素养发展。

参考文献

[1] 赵爱慧，武迪，袁中果．人工智能+物理的跨学科课程设计与实施——基于机器学习的物理实验数据分析[J]．中国信息技术教育，2021（5）：66-70．

[2] 中华人民共和国教育部制定．普通高中信息技术课程标准（2017年版2020年修订）．

[3] 中华人民共和国教育部制定．普通高中物理课程标准（2017年版2020年修订）．

（本文系北京教育学院教改课题“人工智能交叉赋能的中学跨学科创新教学实践研究”（XYJG2023-33）研究成果）■

微店订阅流程

step 1

step 2

点击图片直接跳小程序

来源 | 《中国科技教育》2024-08

文章编辑：毕晨辉

微信编辑、排版 | 孟想

一校 | 孟想

复校 | 若惜

终校 | 朱志安