G176–94
太阳能界面蒸发速率里有多少不是太阳给的：暗蒸发与侧向得热扣除后，1.62 kg m⁻² h⁻¹ 还剩多少
框架光热蒸发器报告的蒸发速率，在扣除"不照光也会蒸发"的暗速率、并封堵来自环境的侧向与底部得热之后，还剩多少？换算出的光热转换效率会不会掉到 100% 以下？
你自己的那一点你不做新材料，你做一台能把环境得热分离出来的测试装置——同一片蒸发器，分别在（a）敞口、（b）隔热套筒、（c）遮光暗态、（d）不同环境风速与相对湿度下测质量损失曲线，给出"报告值 = 光致蒸发 + 环境得热 + 暗蒸发"的分解。这件事在能源材料圈是公认的测量陷阱（多篇论文报出 >100% 的效率），但在中学生项目里从没人做过分解，被攻击的项目自己也没做。你的产出是一套可复用的扣除协议 + 对一个已发表数值的重测。
擦过EGSD014（2026, Grand Award + Special Award, "ML Guided to Develop SPMs for Solar Evaporation"）。它用四个 ML 模型筛选半导体光热材料，再用 NaBH₄ 掺杂 TiO₂ 在 300/500/700 °C 煅烧做实验验证，把带隙从 3.36 eV 压到 2.09 eV，报告 "the evaporation rate (ER) of TiO₂-700 °C improved about 17.5% than primary literature, with ER of 0.94 1.62, 1.8 and 2.28 kg m⁻² h⁻¹ under 1sun, 2sun, 3sun and 4sun"。摘要中没有任何暗蒸发扣除、没有隔热边界描述、没有环境温湿度记录——而 17.5% 的提升幅度完全落在环境得热能造成的误差范围内。另可查 2025 EGSD040（水凝胶散热）同样未报环境湿度。
约束最可能死在光源标定上。1 sun = 1000 W/m² 必须用辐照计实测而不是靠灯的标称功率，且卤素灯的红外偏多会人为抬高蒸发速率——所以必须同时报光谱或至少报滤光条件。器材：0.001 g 精度天平（约 ¥1,200–1,800，现货 3–5 天）、辐照计（约 ¥400）、温湿度记录仪（约 ¥150）、氙灯或 LED 太阳模拟灯（¥800–2,500，注意到货 1–2 周）。耗材只有水和市售 TiO₂/炭黑光热层，不触发受监管化学品条款；但炭黑是干燥粉末，展台不能带，蒸发器实物也只能用照片。
G273–91
植物发电到底是植物在发电，还是锌片在溶解：法拉第账与无植物对照
框架把锌—铜电极插进含植物的土壤里取到的电，有多少来自"植物代谢与土壤微生物释放电子"，有多少来自锌阳极本身的电化学溶解？把锌的质量损失换算成电荷，和实际输出的电荷对上账，缺口有多大？
你自己的那一点一个只需要精密天平和数据记录仪就能做的归因实验：四组平行——含植物土壤、灭菌土壤、无植物湿土、纯电解质（无土），每组都在实验前后称量锌电极质量，同时对输出电流做时间积分。若输出电荷 ≈ 锌溶解的法拉第电荷，那么"生物电"这个说法就不成立；若有显著超出部分，你就第一次把它定量出来了。这是一个双向都赢的设计：无论结论朝哪边，都是一个干净的量化答案。 顺带把"夜间仍发电"这一条也解释掉——伽伐尼电池当然不需要光。
擦过EGSD021（2026, Special Award, "Natural Electricity (Electro-Botany)"）。它用塑料盆、土壤和墨西哥牛至（*Plectranthus amboinicus*）做了六个电池，"a zinc electrode was placed as the anode and a copper electrode as the cathode"，串联得到约 5 V，能点亮低功耗 LED，并据此得出 "These results confirmed that the hypothesis was correct. as bioelectricity was successfully captured"。摘要里没有任何无植物对照、没有称量电极、没有电荷积分；它自己观察到 "electricity generation continued during the night. indicating that microbial activity does not depend exclusively on sunlight"——这恰恰是伽伐尼电池的特征。相关方向另见 2023 EGSD055（藻类微生物燃料电池，Fourth Award）与 2022 EGSD040T（人工湿地—MFC，Fourth Award），它们是真正的 MFC 构型，可作对照读物。
约束最可能死在"我只是在证伪别人"给人的印象上。规避方式：把课题定位成"土壤基电化学取能的电荷来源分解方法"，产出可复用的判据（锌溶解电荷占比阈值），而不是写成对某个项目的批评。器材极便宜：0.0001 g 天平（学校化学实验室通常有；自购约 ¥1,500）、Zn/Cu 电极片、数据记录仪或 Arduino + INA219（约 ¥80）、灭菌用高压锅或漂白剂。总预算 < ¥2,000，全部现货。土壤与液体不得上展台，实物完全不能带，展板只有照片与曲线。
G373–83
压电取能的"理论输出"从哪一点起才是可测的：电荷放大前端的噪声地板
框架当压电元件的输出低到示波器读不出来时，"理论计算的输出"这一说法还能被检验吗？给定一套电荷放大 / 高阻抗前端，能被可靠测量的最小电荷与最小能量是多少，这条地板在什么条件下会把一个"有效"的收集器判成"无效"？
你自己的那一点你做的是测量能力本身的刻画：用已知电荷注入（标准电容 + 阶跃电压）标定一条从压电片到 ADC 的完整链路，画出"输入电荷—信噪比"曲线，定出噪声地板；然后把同一片 PZT 在多种加载条件下的真实输出叠上去，指出哪些工况落在地板之下。这直接回答一个在能量收集类项目里反复出现却从没被处理的问题：多少"理论输出"其实只是没测到。 副产品是一份低成本压电测量前端的设计与标定手册。
擦过EGSD049（2025, Special Award, "Piezoelectric Tires"）。它把 PZT 陶瓷串接进轮胎、在平路/颠簸路/湿路/雪泥路上跑车，然后原文写道 "Although the oscilloscope couldn't read the low voltages produced, I calculated theoretical outputs using math and road condition analysis"——全部结论建立在算出来的数上，一次都没测到。同类还有 2023 EGSD038（Piezoelectric Energy Harvesting in Daily Life, Fourth Award）与 2023 EGSD031（太阳能+雨滴压电混合，Third Award），标题级检索显示这一支持续有项目，但均无测量链标定。
约束最可能死在你自己的前端也没标定上——这条课题的全部说服力来自"注入电荷是已知的"。规避方式：用 1% 精度的聚丙烯标准电容 + 万用表实测电压构造已知电荷源，不依赖任何厂商标称值。器材：运放（LMC6042/OPA129 之类超低偏置电流器件，约 ¥60）、屏蔽盒、标准电容组（约 ¥120）、PZT 片（约 ¥50）、示波器与万用表用学校的。总计 < ¥600，现货 3–7 天。 展台可展示电路板与屏蔽盒（非液体非粉末），是本文件里少数能带实物的条目之一。
G468–86
生物质纳米发电机的两个隐藏自变量：相对湿度与原料批次
框架用蛋壳膜、棉这类天然生物材料做的压电—摩擦复合纳米发电机，输出电压在相对湿度从 20% 到 80% 之间会变化多少？换一批鸡蛋（不同来源、不同储存时间）重做同一工艺，批次间方差与"加 ZnO 带来的提升"相比孰大孰小？
你自己的那一点你把被攻击项目自己在引言里承认、却从未测量的那个变量抓出来做主变量。设计是二因素的：湿度（饱和盐溶液控湿箱，LiCl/MgCl₂/NaCl/KCl 四档，成本几乎为零）× 批次（≥5 个独立蛋源各制一片）。判据很硬：如果批次间标准差覆盖了 ZnO 改性的提升幅度，那么"30% w/w ZnO 最优"这个结论就不能从单批数据得出。这是本赛道最典型的可复现性攻击，而语料显示 35 篇里没有一篇做过。
擦过EGSD021（2025, Grand Award + Special Award, "Biomaterial Based Piezo-Tribo Hybrid Generator"）。它用蛋壳膜（ESM）与丝光棉配 ZnO（10–30%）做拱形 HNG，报告 "30% w/w ZnO yielded peak voltages of 7.55 V (cotton) and 7.10 V (ESM)"、"the average Vpp was found to be 20.47 ± 2.20 V"、"power density of 26.4 µW/cm² at a load resistance of 5 MΩ"。关键在于：它在引言里明确写了 "TENGs are sensitive to environmental conditions" 作为立项理由，然后整篇没有报告任何一次湿度或温度测量，也没有说明蛋壳膜取自几批鸡蛋。另参考 2022 EGSD010（3D 打印摩擦纳米发电机，Fourth Award）。
约束最可能死在测量重复性上——TENG 输出对接触力、接触面积、频率极敏感，必须用机械化的加载（步进电机凸轮或落锤导轨）而不是手指敲击，否则你测到的方差里分不清哪些是批次的。ZnO 粉末的 SDS 一般标注为刺激性而非致癌/致畸，但仍属干燥粉末，展台禁带；分散与涂布过程建议在通风橱进行。器材：ZnO 粉（¥80）、饱和盐（¥50）、湿度计（¥120）、步进电机加载台（¥300）、高阻抗探头或缓冲级（¥200）。总计 < ¥1,000，现货 1 周内。
G570–88
手绕超材料阵列的单胞谐振离散度：制造公差把增益吃掉了多少
框架用 3D 打印骨架加手工绕线做成的超材料阵列，16 个单胞的谐振频率实际分散在多大范围？这个分散度与整块板的功率传输效率提升之间是什么关系——把最差的几个单胞挑出来，增益会不会不降反升？
你自己的那一点被攻击的项目证明了"便宜做法能达到 PCB 版 87.5% 的性能"，但没有回答"为什么只有 87.5%、剩下的 12.5% 丢在哪"。你逐个测量每个单胞的谐振频率与 Q 值（NanoVNA 就够），得到分布；再做一组受控实验：人为把单胞谐振失配量设为 0/1/2/5%，看 PTE 如何随失配退化。产出是一条"手工制造公差 → 系统增益损失"的传递曲线，它决定了这条低成本路线的性能天花板在哪，也让别人能预测自己手绕的板子能做到多好。
擦过EGSD026（2026, Grand Award, "Optimized Wireless Power: 3D-Printed Metamaterials"）。它做了 "a 4x4 array of 55x55 mm unit spirals, each with a 9-turn 30 AWG LC resonating circuit"，成本 "less than $10"，用 Analog Discovery 2 在 10–50 cm 九个距离上测 PTE，结论是 "improving mean PTE by approximately 12.5 percentage points over baseline and achieving approximately 87.5% of the PCB benchmark performance"。摘要里没有任何单胞级别的表征，也没有谐振频率的分布数据——"87.5%"是一个整板的黑箱数字。相关的 EGSD001（2025, Grand Award, IMD 无线充电）走的是相控阵+菲涅尔透镜路线，不构成同题。
约束最可能死在测量夹具的寄生参数上：VNA 端口、引线、探头都会引入几十 nH 和几 pF，与单胞本身的 LC 同量级。规避方式：先用短路—开路—负载标准件做端口校准，并报告"标准件重复插拔的谐振读数散布"作为测量不确定度。器材：NanoVNA-H4（约 ¥450，现货）或复用 Analog Discovery 2、30 AWG 漆包线（¥40）、3D 打印骨架（校内）、铜箔与接插件（¥100）。总计 < ¥800，现货 3–5 天。展台可带打印骨架与绕线板实物（非液体、非粉末、非电池组）。
G673–91
打印面上的层纹和你要研究的凸起一样大：仿生叶片的公差敏感性与风洞阻塞修正后的真实 Cp
框架3D 打印叶片的表面公差（层高 0.1–0.3 mm）与要研究的仿生特征（凸起、凹坑）处于同一量级时，测到的性能差异有多少来自设计、多少来自打印工艺？以及：一个小型风洞里测出的 Cp = 0.48，做了阻塞修正之后还剩多少？
你自己的那一点两件事一起做，而且互相咬合。第一，打印参数当自变量：同一份几何用三种层高 × 两种打印方向各打三件，测表面粗糙度 Ra 与气动性能，看"光滑基准叶片"在不同打印工艺下的性能散布有多大——如果这个散布可比于仿生特征带来的提升，前两年那两个获奖结论就需要重新定界。第二，补上阻塞修正：按 Maskell 或 Glauert 方法，用实测的叶轮扫掠面积与风洞截面比计算修正因子，重算 Cp。这两项都是标准做法，不需要新理论，但语料里两个相关获奖项目一个都没做。
擦过两个直接相关的获奖项目，构成一条连续的脉络。EGSD032（2025, Grand Award, "Hammerhead-Inspired Wind Energy Generation"）：把双髻鲨头翼的凸起沿弦长布置到 VAWT 叶片上，"The CFD simulations produced a 67% improved lift-to-drag ratio for the tubercle inspired blade, while physical experiments in real world operations showcased a 12% RPM gain and a 20% improvement in generated voltage"。EGSD028T（2026, Grand Award + Special Award, "WinDTurbinePower: A Novel Dimple-Tubercle Blade"）：在 NACA0012 上叠加凸起与高尔夫球凹坑，"a power coefficient (Cp) of 0.48 for the hybrid, 60% higher than 0.30 for the smooth blade"、"the hybrid achieved a Cp of about 80% of the Betz limit (0.593)"。两篇都用 OnShape 建模、SimScale 仿真、3D 打印实测，两篇都没有报告打印层高、打印方向或表面粗糙度，也都没有提到风洞阻塞修正。 一个小型 VAWT 的 Cp 达到 0.48 本身就值得追问。另可查 2024 EGSD016（改良叶片的螺旋风机，Second Award）。
约束最可能死在风速与扭矩测量精度上——Cp 正比于风速的三次方，风速测量 3% 的误差就是 Cp 的 9%。必须用热线或高精度风杯在叶轮平面上做多点平均，并报告风速剖面的不均匀度。器材：3D 打印（校内）、粗糙度可用显微照片+标定尺替代粗糙度仪、风速仪（¥300–800）、转矩用电磁制动+电流法或直接测发电功率（¥200）。风洞若校内没有，可用变频轴流风机 + 蜂窝整流段自制（¥600–1,200，2 周内）。总计 ¥1,500–2,500。叶片实物可上展台。
G774–92
优化器是不是在钻代理模型的空子：翼型遗传优化结果的高保真复核
框架用 XGBoost 之类的代理模型当适应度函数去做遗传优化，最终胜出的翼型是真的气动更好，还是恰好落在代理模型误差最大的那片区域？把优化结果拿回真实求解器复算，L/D 的"三倍提升"还剩多少？
你自己的那一点你做一个代理模型自欺程度的量化实验：（a）用公开翼型气动数据训练一个 XGBoost 适应度函数，留出集上报 RMSE；（b）跑遗传算法优化 CST 参数化翼型；（c）把优化轨迹上每一代的最优个体都送进 XFOIL / 面元法真实计算；（d）画"代理预测值 vs 真实值"随代数的漂移曲线。如果误差随优化进程系统性放大，就说明优化器在利用代理模型的外推缺陷——这在机器学习圈叫 surrogate exploitation，在中学生的能源优化项目里从没被检验过。 再给出一条便宜的修补：每 N 代注入真实计算样本重训（主动学习），量化它能挽回多少。
擦过EGSD011（2026, Grand Award, "Optimization of Wind Turbine Performance"）。它对 IEA 15 MW 海上风机叶片的 50 个二维翼型截面逐个优化，"Airfoils are optimized using a surrogate-assisted genetic algorithm (SGA) with Class Shape Transformation (CST) parameterization. Performance is evaluated using an XGBoost-based fitness function"，结果 "One airfoil, the FFA-W3-211, achieved a lift-to-drag ratio nearly three times greater than the original"，并外推到 "approximately 2,236 MWh in additional annual energy per turbine" 与 "$68.8 million in additional annual revenue"。摘要里没有给出 XGBoost 的验证误差，也没有说明优化后的翼型是否用高保真方法复核过——而"L/D 提升近三倍"对一个已经被工业界优化过的 FFA 系列翼型来说是一个需要解释的数字。另可查 2022 EGSD043（波浪能的 ML+RL 优化，Fourth Award）。
约束最可能死在"我没有 15 MW 风机的真实数据"上。规避方式：不去复现那个具体的工业算例，改用完全公开的 UIUC 翼型数据库 + XFOIL 作为"真实"求解器，把课题定位成方法学而非工程复现——这也让整件事完全跑在普通笔记本的 CPU 上。零采购、零合规风险、纯计算，展台限制对本条完全无影响，这是本文件里可行性最高的一条。若追求更强说服力，可再用一个开源的 RANS 求解器抽查若干个体。注意 AI 政策：代码若由生成式 AI 辅助，必须显式引用并保留提示词日志。
G867–85
一对热电偶乘以 768：线性放大到底错在哪一项
框架把单个热电偶的热—电模型线性放大到几百对的系统级效率，会高估多少？寄生热短路、边缘热损、电极接触电阻、辐射视角因子这四项里，哪一项在放大过程中被吞掉得最多？
你自己的那一点你建一个分层模型对比：模型 A 是"单偶 × N"的线性放大；模型 B 显式包含级间热短路、模块边界的散热、串联接触电阻的累积以及外围热偶与内部热偶的边界条件差异。用同一组材料参数跑 N = 1, 4, 16, 64, 256, 768，画出 A 与 B 的效率之差随 N 的曲线，并做敏感性分析指出哪一项主导。再做一次便宜的实验锚定：买 1、2、4、8 个商用 Bi₂Te₃ 热电模块串联，在同一 ΔT 下测总输出，看实测的"每模块贡献"是否随数量下降，用实测斜率检验模型 B 的方向是否正确。这样它就不是一篇纯批评，而是给出了一个可用的放大修正因子。
擦过EGSD046（2026, Grand Award, "AMSTEG-RA"）。它做的是热电—热光伏混合架构 + 高温钨超表面选择性发射，"A thermal and electrical model was developed to simulate a single thermocouple within this architecture"，然后 "When scaled to an MMRTG-class configuration of 768 thermocouples, the proposed architecture produced approximately 280 W of electrical output from 2000 W of thermal input, corresponding to an estimated system efficiency of 14%"。放大过程本身没有任何误差估计，摘要中也没有提到热短路或边缘损失。 同赛道的 2026 EGSD006（椰纤维热电，Grand Award）与 2023 EGSD024（AgSbTe₂ 掺 Ge，Fourth Award）是材料侧工作，不构成同题。
约束最可能死在"你的模型 B 凭什么对"上。规避方式：模型 B 的每一项都必须能独立标定——热短路用已知导热系数的填充材料、接触电阻用四线法实测、边缘损失用红外热像或多点热电偶实测。器材：商用 TEC1-12706 模块 8 片（约 ¥120）、加热板与散热器（¥250）、K 型热电偶 8 路 + 采集模块（¥400）、四线法用万用表。总计 < ¥1,000，全部现货。计算部分零成本。热电模块可上展台。
G973–91
把风扇的电也算进来：PV–TEG 混合系统的净能量账与新增热阻代价
框架在光伏板背面贴热电发电片，扣除冷却风扇的寄生功耗、并计入热电片本身引入的额外热阻导致的光伏降效之后，系统净输出是正还是负？在哪个环境温度与辐照区间会由正转负？
你自己的那一点你做的是完整系统边界下的能量记账，四路同步测量：光伏单独输出、光伏在混合构型下的输出、热电片输出、风扇消耗。关键设计是必须有一块几何与遮挡完全相同但热电片换成同厚度惰性垫片的对照板，否则分不清"光伏降效"是热电片造成的还是安装方式造成的。产出是净增益随辐照与环境温度变化的等值线图，以及一条明确的判据：ΔP_net = P_TEG − P_fan − ΔP_PV，在什么条件下大于零。这个减法在语料里两个相关项目都没做。
擦过EGSD007T（2025, Special Award, "TEG's Effect on Photovoltaic System's Output"）。它的假设写得很直白："if a TEG was attached to a PV, then the electricity output would be greater because of the additional use of waste heat"，方法里明确有 "attach aluminum heat sinks, solder four TEGs in series, and install cooling fans. Connect the fans to a breadboard for power"——风扇由外部面包板供电，且整篇摘要没有报告任何一个结果数字，也没有把风扇功耗计入。另一条佐证是 EGSD004（2025, Special Award, 火山监测混合供电），它诚实报告了 "an 11% power gain from TEG integration" 但同时承认 "inadequate performance at night due to TEG limitations"——同一类系统，两个项目给出的净收益差别很大，正说明记账口径没统一。
约束最可能死在户外测试的天气窗口上：8–12 月的净实验期里，晴天数量可能不够做完辐照×温度的二维扫描。规避方式：室内用可调卤素灯阵列 + 恒温箱构造受控工况做主实验，户外只做少量验证点，并诚实声明"真实日照下的光谱差异未评估"。器材：小型单晶硅板 2 块（¥160）、TEC1-12706（¥60）、散热器与风扇（¥120）、INA219/INA226 四路电流电压采集（¥120）、辐照计（¥400）、热电偶（¥150）。总计 < ¥1,200，现货 3–7 天。整机可上展台（无液体、无粉末、电池组控制在 100 Wh 以下即可）。
G1065–83
43.9% 的转化率能换来多少净能量：生物乙醇的蒸馏能耗与原料批次方差
框架一个报告了 43.9% 糖化发酵转化率的生物乙醇路线，把蒸馏所消耗的热能计入之后，净能量回报（EROI）是多少？以及：换一批不同成熟度、不同产地的原料重做，转化率的批次间标准差有多大？
你自己的那一点两条腿。第一条是能量记账：用功率计实测发酵温控与蒸馏加热的全过程电能，再用实测的馏出液体积与浓度（比重计 + 折射率或密度法）算出燃料化学能，给出 EROI = E_fuel / E_process。这个比值在中学生生物燃料项目里几乎从不出现，而它往往小于 1——若真的小于 1，那么"可替代 11% 进口化石燃料"这类外推就需要重写。第二条是批次方差：同一物种取 ≥5 个独立批次（不同成熟度/不同采购日），每批 3 个平行，给出转化率的批次内与批次间方差分解。产出是一张"这条路线在什么规模下才可能净产能"的判据表。
擦过EGSD042（2026, Grand Award, "Evaluating Breadfruit as a Bioethanol Feedstock"）。它用同步糖化发酵（SSF）加蒸馏处理面包果，"From 2000 g of pulp, 370 mL of ethanol distillate was obtained, while 600 g of peel yielded 60 mL. Conversion efficiencies were 43.93% for pulp and 41.76% for peel, with post-distillation ethanol concentrations of 46% v/v and 36% v/v"，并据一个情景模型称 "this biofuel could replace over 11% of imported fossil fuels in American Samoa"。摘要中没有任何过程能耗核算，也没有说明用了几批面包果；46% v/v 的馏出液离燃料级还差两次精馏，而这两次的能耗恰恰是最贵的那部分。 同族还有 2025 EGSD016（Arundo donax CRISPR，纯计算）与 2022 EGSD007（Typha 生物燃料，Third Award）。
约束三个。采购：面包果在国内不易得，改用本地当季高淀粉原料（木薯、红薯、玉米芯），这反而让"批次"更容易取到；淀粉酶与糖化酶为食品级，现货 3–5 天，约 ¥200。合规：乙醇是易燃液体，蒸馏必须在通风橱或室外用电加热（禁明火）；乙醇 SDS 不标注致癌/致畸，不触发受监管机构条款，但需 Form 3 与指导老师在场。展台：馏出液是液体、且易燃，绝对不能带，展板只能放照片、色谱/密度数据与能流图。器材：发酵罐/广口瓶（¥100）、电加热蒸馏套件（¥600，注意选电热套而非酒精灯，1–2 周）、功率计（¥120）、比重计与酒精计（¥80）、恒温水浴（校内或 ¥400）。总计 ¥1,500–2,000。
G1175–93
室内光伏的 23.6% 是仿真给的：真实室内光谱下还剩多少，以及照度计的读数为什么不能当依据
框架一块按"室内理想带隙"设计的光伏器件，在真实室内光源下的实测效率是多少？更关键的是：同样 500 lux 的暖白 LED、冷白 LED、荧光灯与阴天窗光，输出功率能相差多少倍——如果能，那么用照度（lux）作为室内光伏的归一化基准本身就是错的。
你自己的那一点你不合成钙钛矿（铅/铋前驱体的 SDS 与手套箱要求直接判死），你做室内光伏测试基准的建立：取三种商用小面积电池（非晶硅、单晶硅、GaAs 或染料敏化），在 ≥6 种室内光源 × 4 个照度档下测 I–V 曲线，同时用便携光谱仪记录每种光源的光谱功率分布。产出两样东西：（a）"同照度不同光源"下效率的离散程度；（b）一个把 lux 换算成有效辐照度的、依赖光谱的修正因子表。这直接给出一个可复用的判据：一篇室内光伏论文若只报 lux 不报光谱，它的效率数字不可比。
擦过EGSD037（2025, Grand Award, "Dual Doping Strategies of Lead-Free Indoor PVs"）。它用 FA₃Bi₂I₉ 做无铅室内光伏，通过 HI 加成把前驱体溶解度从 0.5 M 提到 1.1 M、用银取代甲脒，得到 "The refined bandgap of 2.14 eV, precisely within the ideal indoor range (1.8–2.4 eV)"，并报告 "simulation-based power conversion efficiency achieving an exceptional 23.6%" 与 "Advanced stability trials under 85% RH and 85°C confirmed 100-hour operational durability"。注意：稳定性是实测的，效率是仿真的——它把一块为室内光设计的电池，从未放到室内光下测过。 另见 2026 EGSD017（GQD 钙钛矿，Grand Award），它用 "a xenon arc lamp under AM 1.5G sunlight" 测 I–V，同样未报光谱失配因子，而其模型预测 3.1% 提升、实测只有 0.98%——三倍的模型—实验差没有被解释，这是同一条攻击线的第二个落点。
约束最可能死在光谱仪精度上。可见光段的低价 USB 光谱仪（¥800–1,500，现货 1 周）足以分辨 LED 与荧光灯的谱形差异，但绝对辐照标定需要参考光源；规避方式是只做相对光谱 + 一个用标定过的硅参考电池锚定的绝对点，并明确声明不确定度。器材：小面积商用电池 3 种（¥300）、USB 光谱仪（¥1,200）、照度计（¥150）、可调恒流电子负载或源表替代方案（Arduino + 数字电位器扫描，¥150）、多种光源（¥300）。总计 ¥2,000–2,500，全部现货，无危险化学品。电池片与测试盒可上展台。
G1271–89
循环伏安里的 +119% 能不能兑现成恒流放电的 +119%：代理指标的预测效度
框架用 CV 积分得到的面积/比电容提升，能在多大程度上预测同一电极在恒流充放电下的实际容量与倍率性能提升？在什么条件下这两个数字会系统性背离（扫速、电压窗口、赝电容占比、内阻）？
你自己的那一点你做一个跨指标预测效度实验：制备一组差异明确的水系电极（商用活性炭 + 不同比例导电炭黑 / 不同压实密度 / 不同厚度，共 8–12 种），对每一种同时做 CV（多扫速）、EIS 与 GCD（多倍率），然后回归"CV 推出的比电容提升"对"GCD 实测容量提升"的关系，报出决定系数与系统偏差。判据很清楚：如果 CV 在高扫速或高赝电容占比时系统性高估，那么所有只报 CV 的电极论文的提升幅度都需要打折——而这正是本赛道大量项目的做法。 产出是一张"什么条件下 CV 可以当代理、什么条件下不行"的适用域图。
擦过EGSD041（2026, Grand Award + Special Award, "Biomass N-CQDs on Ce–NiCoO₂ for Seawater Batteries"）。它用甜瓜皮做氮掺杂碳量子点包覆铈掺杂镍钴氧化物，"Cyclic Voltammetry identified 5% Ce–NiCoO₂/NCQD as optimal, enhancing areal capacitance by ~119% over undoped NiCoO₂/NCQD. EIS confirmed reduced charge-transfer resistance."——标题是"海水电池阳极"，但全篇只有 CV 与 EIS，没有一次恒流充放电、没有一个循环寿命数据、也没有一次真实海水激活测试。 对照 EGSD042（2025, Grand Award, 再生砂浆基 AZIB），它做了 GCD 并报 "a discharge capacity of 155 mAh/g, a 36% increase, while maintaining a 99% Coulombic efficiency over extended cycling"——但 "extended cycling" 没给圈数。两篇合在一起正好说明本类目的表征口径有多不统一。2023 EGSD010（冷冻法掺杂碳超电容，Fourth Award）可作标题级参考。
约束最可能死在电化学工作站的可及性上——CV/EIS/GCD 三件套需要恒电位仪。便宜路线：国产入门级恒电位仪或 USB 电化学工作站约 ¥2,000–3,500（注意到货，部分型号 4–6 周，超期即判不可行，务必先确认现货）；若学校化学实验室已有，本条可行性直接跳一档。体系必须选水系（1 M Na₂SO₄ 或 KOH），避开有机电解液的易燃与毒性；KOH 是腐蚀性但 SDS 不标注致癌/致畸，通风橱操作即可。电解液是液体、活性炭是干燥粉末，两者都不能上展台，只能展示拆解后的干燥电极片照片。
G1377–87
n=1 报出 90% 提升：手工装配电化学电池的单体间方差与最小可判样本量
框架手工装配的实验室电池，单体之间的容量差异有多大？在这个方差水平下，要把一个"提升 90%"的结论支撑到 80% 统计功效，最少需要几个单体？如果只做 1 个，误判概率是多少？
你自己的那一点你把"该做几个"这个问题从经验变成数字。做法：用同一批材料、同一套工艺装配 ≥15 个名义完全相同的水系电池（锌—二氧化锰或活性炭对称超电容），逐个测容量与内阻，得到单体间变异系数 CV；再把装配流程拆成三个可控环节（涂布量、压实力、隔膜含液量），做方差分解指出哪一环贡献最大；最后用实测 CV 跑功效分析与自助抽样，给出"要检出 X% 的真实提升所需的 n"曲线，并反推 n=1 时的假阳性率。产出是一张给本赛道所有人用的样本量查表，成本极低但直接命中语料里最普遍的方法学缺陷。
擦过EGSD027（2025, Grand Award, "Investigating Ultra-High Carboxyl Density Binders"）。它用 DFT 算相互作用能与 pKa，得到 "COOH density was strongly correlated with IE (r = .90)"，然后写道 "Silicon anodes with standard (n=2) and ultra-high COOH (n=1) density binders were then physically synthesized and measured for true performance, confirming that ultra-high COOH density improves battery performance by 90% (p < .01)"——实验组 n=1，对照组 n=2，却报出了 p 值。这是语料里唯一一处把样本量写得如此明确的地方，也因此是最不可能被反驳的立论基础。另需注意 EGSD008T（2025, Grand Award, 黑磷负极） 报 "capacity retention of 1735 mAh/g after 600 cycles"，同样未说明测了几个电池、做了几次独立合成；2024 EGSD002（非晶 ZnP₂ 负极，Fourth Award）属同一支脉络。
约束最可能死在"你的方差是你自己手艺差造成的"这个质疑上。规避方式：把工艺参数全部量化并记录（涂布刮刀间隙、压片压力用带读数的压机或弹簧秤、电解液体积用移液器），报告每个环节的可控精度，让方差分解站得住；同时用一组市售商品电池（同型号同批次 ≥10 个）测出"工业级"的 CV 作为下界参照。器材：锌片与 MnO₂ 或活性炭（¥200）、隔膜（¥60）、纽扣电池壳或自制夹具（¥150）、恒流充放电可用 Arduino + MOSFET + INA226 自制（¥200）或复用工作站、移液器（¥100）、压片工具（¥300）。总计 < ¥1,200，现货，无受管制化学品（避开锂系与有机电解液是这条课题可行的前提）。液体电解液与粉末不得上展台。
G1471–81
从 p = 0.0906 到"相当"：小型水轮机比较该用等效性检验而不是显著性检验
框架当一个比较实验得到 p > 0.05，把它解读成"性能相当"在统计上成立吗？换成等效性检验（TOST），需要设定多大的等效边界、需要多少次重复，才能真正支持"新设计不劣于工业标准"这个结论？
你自己的那一点你把一个推断方式的错误变成一个可操作的方法：（a）自建一套缩小版的闭环抽蓄测试台（20–60 L 水箱、可调水头、3D 打印的 Pelton / 冲击式 / 自设计转轮），每种转轮做 ≥10 次重复放水，记录电能（Wh）与效率；（b）用实测方差跑功效分析，给出"要在 ±10% 等效边界内判定等效需要 n=?"；（c）对同一组数据分别做 NHST 与 TOST，展示两者结论的差别；（d）给出一条通用建议：小型能源装置比较实验的最小重复次数与等效边界怎么定。它同时是统计方法学贡献和一个真实的水轮机数据集。
擦过EGSD029（2025, Grand Award, "Micro Pumped Hydro-Power System Turbine Assessment"）。它建了两个约 1550 L 的水箱，比较 Pelton、Cross Flow 与自设计转轮，明确写出 "Although there was no statistically significant difference in Watt hours among the three turbines (p-value=0.0906)"，然后紧接着把自设计转轮描述为 "a strong competitor to the other two turbines in terms of efficiency (novel mean=12.63% Peloton=14.39%, Cross Flow=13.64%)"。这是教科书式的"把未拒绝零假设当成接受零假设"，而且它自己把 p 值原样写了出来，无从辩驳。 效率数字本身（12–14%）也偏低，说明测试台损耗占比很大，方差可能很可观。
约束最可能死在规模缩小带来的相似性问题上：小水头小流量下雷诺数远低于原项目，效率绝对值不可比。规避方式是明确把课题限定为"在同一台测试装置上比较三种转轮的推断方法"，绝对值不外推，并诚实声明缩比限制。器材：水泵（¥150）、20–60 L 水箱两个（¥120）、3D 打印转轮与壳体（校内，注意打印公差会引入额外方差，需与 G6 一样记录层高）、微型直流发电机（¥80）、流量计（¥120）、INA226 与数据记录（¥100）。总计 < ¥800，现货一周内。水与整机不得上展台，展板只有照片与统计图；这条课题的价值主要在数据与推断，展示损失可接受。
G1567–85
ZT = 0.23 是材料的还是接触的：多孔热电复合材料热导率测量的标定链
框架报告一个热电优值 ZT 时，分母里的热导率 κ 是怎么测的？在多孔、纤维基、低密度的压制体上，界面接触热阻会把表观 κ 压低多少，从而把 ZT 抬高多少？用已知 ZT 的商用材料做标定件，这条测量链的系统偏差有多大？
你自己的那一点你搭一台带标定件的稳态热导率测试台，核心设计是"同一根样品测两个长度"：接触热阻不随长度变化而体导热随长度线性变化，因此用两个（或多个）长度的测量可以把接触项分离出来。流程：（a）用商用 Bi₂Te₃ 与聚甲基丙烯酸甲酯等已知 κ 的标准件验证装置准确度；（b）用双长度法分离接触热阻；（c）自制天然纤维 + 碳颗粒复合压制体，分别报"未扣除接触热阻的表观 ZT"与"扣除后的 ZT"，给出两者的差值。这个差值就是本条课题的核心结论：一个廉价热电复合材料的 ZT 数字，有多少是测量方式给的。
擦过EGSD006（2026, Grand Award, "Coconut-Fiber and Nanocarbon for Electric Power"）。它把碳纳米颗粒沉积到椰壳纤维上做热电材料，代表性样品 CC80 是 "80 mg of 90 nm carbon nanoparticles embedded in 1000 mg of 150 aligned coconut-fibers, packed into a cylindrical compact of 8 mm in diameter and 10 mm in length"，报告 "a thermoelectric figure-of-merit as high as 0.23 at 300 K"，并在 21 K 温差下给出 8 mA / 0.5 V。摘要里没有说明 κ、σ、S 三个量各自的测量方法，也没有提到接触热阻或接触电阻的处理——而对一个直径 8 mm、长 10 mm 的短样品来说，端面接触热阻与体热阻很可能是同量级的。ZT = 0.23 若成立，对一个纤维素/碳复合材料是个很高的数字，正因为高，才更需要标定链。另见 2023 EGSD024（AgSbTe₂ 掺 Ge，Fourth Award）为材料侧同族。
约束三个。测量难度是最大的：稳态法需要良好的绝热与稳定的热流，测量周期长（每点数小时），3–4 个月内做完标定 + 双长度 + 多配比会很紧，建议把配比数压到 3–4 个。采购：碳纳米颗粒若买真正的 90 nm 级产品周期可能超 4 周，改用市售导电炭黑或石墨粉（现货，¥100）并明确声明粒径不同；纳米颗粒还涉及吸入危害，必须在通风橱内称量与混合，且干燥粉末不得上展台。器材：热流计或参考层法用已知 κ 的标准棒（¥300）、K 型热电偶多路（¥400）、加热片与 PID（¥250）、真空/泡沫绝热腔（¥200）、四线法测 σ（复用万用表）、压片模具（¥300）。总计 ¥1,500–2,000，主要件现货 1 周。压制好的干样品若完全无粉尘脱落，仍建议按"不带实物"准备。