拿到 CUPT2027 赛题列表之后，大多数队伍的节奏是这样的：先扫一遍题目名字，挑出那些“看起来能做”的，比如有明确物体、有常见现象、有现成公式的；然后开始讨论分工，谁查文献，谁搭装置，谁做数值模拟；等真正上手三四周才发现，当初选的“好题”变成了一个无底洞——现象不稳定、变量耦合严重、理论模型和实验对不上、经费和耗材也不够。
这篇文章是“CUPT2027赛题的初步浅析与选题建议”系列的中篇。上篇如果是在讲赛题整体类型和规则变化，那么这篇我想把焦点收窄到一个真正决定比赛结果的问题：你选择的不是一道题，而是一套风险系统。选题阶段的核心任务不是找到“最简单”的题，而是找到“与队伍能力匹配、能在一学期内形成完整研究闭环”的题。
文章不逐题列出“这道题怎么做”，因为正式赛题细节需要基于官方发布的最终版本展开，凭空猜测没有意义。我更想给你一套可以套在任何一届 CUPT 赛题上的判断框架、打分表和验证流程，帮助你在一周之内筛掉 80% 的坑题，并把有限的时间和经费集中到真正有竞争力的方向上。
1. 拿到赛题后，先别急着选“看起来好欺负”的那道
绝大多数队伍的错误顺序是：先看现象，再看公式，最后看实验。这个顺序会让你被“熟悉感”误导。一个题目看起来有高中物理或大物实验的影子，并不代表它容易出成果，反而可能意味着竞争极度激烈，评审对它的期望值也更高——所有学过这个公式的人都会觉得这道题“应该做出来”。
正确顺序刚好相反：先做一轮器材和文献盘点，再回到现象本身。
1.1 为什么“熟悉现象”反而是劣势
CUPT 赛题的普遍特征，是表面现象背着一个简单物理原理，但实际行为被次要效应支配。比如一个旋转磁体与铝盘相互作用，你会发现最漂亮的解释看起来是电磁感应，可是要定量复现实验，必须同时处理摩擦力矩、空气阻尼、涡流的形状因素、温度导致的电阻变化等等。任何一个学过 E&M 的人都能写出感应电动势表达式，但没有几个人能在一学期内把所有修正项做到和实验精度匹配。
所以，“这个现象我见过”往往是一个陷阱。它意味着你队伍里每个人都会提出一个看似合理的理论，而争论谁的解释“更对”会消耗大量时间。我更建议的选题起点是：找一道你没有固定直觉、但你能通过一个小实验快速看到规律变化的题。
1.2 第一步不是查文献，而是盘点实验室柜子
很多队伍在选题周的流程是打开 PDF 搜索往年优秀报告，然后打印厚厚一叠。这件事可以放到第二周。真正决定题目生死的是：你的实验室里现有哪些器材？你能使用哪些测量设备？有哪些耗材是需要额外购买的，买的话周期多长、预算多少？
这里说一个我多次见到的翻车案例：队伍选了一道关于液体薄膜破裂的题，文献准备得很充分，理论也好看，结果整个实验室找不到一台带高速摄像功能的手机，只能用普通手机 30fps 拍，关键破裂过程只有几十毫秒，什么数据都拿不到。等到申请采购高速摄像头时才发现要等两周。两周对于 CUPT 的备赛周期来说是非常昂贵的。
所以，我建议拿到赛题后的第一个晚上，不要碰题目本身，先把实验中心（或者实验室）能用的设备清单拉出来，结合题目做初步匹配。以下表格可以打印出来：
| 资源项 | 需要确认的问题 |
|---|---|
| 传感器 | 有哪几种传感器？量程和精度分别是多少？有没有校准设备？ |
| 数据采集 | 是否有示波器、数据采集卡、单片机？采样率最高多少？ |
| 光学测量 | 是否有激光、相机、显微镜？帧率多少？有没有光源？ |
| 机械加工 | 能否3D打印、激光切割、亚克力板加工？ |
| 常用耗材 | 磁铁、弹簧、轴承、球/柱体、液体、粉末等哪些是常备的？ |
| 采购周期 | 向实验室申请采购，最快多长时间能到货？ |
| 场地限制 | 实验是否需要暗室、通风橱、大平面场地、水源？ |
做完这张表，你大概能排除几类完全做不了的题，再进入下一步。
2. 一道好赛题的标准不是“好做”，而是“可控”
大多数队伍评价题目时只会问：“能不能做出来？”这是最低标准。真正的标准是：“如果做不出来，我能不能知道为什么做不出来？”换句话说，题目好坏看的是研究过程的可控性。
我把可控性拆成四个维度：现象可见性、变量可调性、测量可行性、理论可及性。
2.1 四个维度的具体含义
现象可见性：你在一个普通环境下，用肉眼或低成本设备能不能稳定观察到这个现象？现象是否只在极端条件下出现？是否需要复杂的真空、低温、高压环境？这个维度最容易被高估，因为题目描述往往会给出理想化条件，而实验室实际环境相当苛刻。
变量可调性：研究现象时，你能不能只改变一个参数，同时保持其他条件基本不变？如果系统中多个变量高度耦合，比如改变温度同时改变了密度、黏度和表面张力，那么这种题目天然难控制。
测量可行性：核心物理量能不能直接测量？如果不能直接测量，有没有可靠的间接测量手段？误差大不大？可重复性如何？测量路径需要几层换算，每层换算都会放大误差。
理论可及性：队伍现有的数学和物理知识能不能支撑你摆出一个像样的理论？这里不是说要一开始就能完整建模，而是说你能否在两个月内通过补充学习达到可以推导出一阶近似的水平。如果需要的数学工具有太多超出你的知识范围，就要慎重。
2.2 用四维打分表快速筛选候选题目
你可以让每个队员独立给每道候选题目打分，1 到 5 分，然后取平均，再计算总分。下面是一个示例，不是官方标准，但足够实用：
| 维度 | 1分 | 3分 | 5分 |
|---|---|---|---|
| 现象可见性 | 需要高速相机或真空环境才能看到 | 肉眼能看到，但不太好拍 | 肉眼清晰，手机即可记录 |
| 变量可调性 | 多个强耦合参数无法分离 | 可以控制少数几个参数 | 可独立调节核心变量 |
| 测量可行性 | 只能得到定性结果 | 测到的量误差可控但间接 | 核心量可以直接测量 |
| 理论可及性 | 需要凝聚态或流体力学完整模型 | 学过相关课程，需要补数学 | 教材中有现成一阶模型 |
打分之后，把四维都不低于 3 分的题列为优先；如果某一道题某一维是 1 分，除非其他三维都是 5 分，否则建议直接放弃。很多强队在决赛展示的题目，往往不是最“高大上”的，而是这四维均衡的。
为什么这么强调均衡？因为 CUPT 的评分中理论研究、实验研究、反方/正方讨论等环节都很重要，任何一块过于短板都可能在某个环节被针对。你可以通过后期学习弥补理论差距，但很难在三个月内提升一台设备的测量能力。
3. 把选题从“拍脑袋”变成“跑一次最小验证”
如果你用打分表筛出了两三道候选题，不要急着定题。下一步是给每道题最多三天时间，跑一个“粗糙但完整”的小实验，用来验证这道题是否具备科研可行性。我把它叫“最小验证”。
3.1 三天内跑通一个粗糙原型是什么意思
不是让你做出一个漂亮的数据图，而是让你做一次“一条龙”实验：从搭建装置、采集数据、导出数据、画图、尝试解释，到发现至少一个可以深挖的现象。这个过程可以非常简陋，比如用纸壳、双面胶、手机慢动作替代正式装置，重点在于“验证研究链路是否完整”。
具体来说，三天内你要完成的是：
- 搭出一个能产生现象的装置，哪怕很粗糙。
- 用现有测量设备（手机、尺子、秒表、力传感器等）记录至少 10 组数据。
- 改变一个关键参数，观察结果有没有规律性变化。
- 画出一张初步趋势图。
- 写下你认为最可能的主导机制，以及三个你回答不了的问题。
如果以上五步无法在三天内走完，那这道题的隐形成本大概率很高。这不是因为你水平不够，而是因为题目本身的条件太苛刻，例如现象出现概率低，或者需要大量前处理。
3.2 最小验证要回答的五个问题
每个问题都是一个“go/no-go”决策点：
- 现象可重复吗？同一个条件下做三次，结果是否在同一量级？如果三次结果差十倍，说明你还没有抓住控制条件。
- 数据有信噪比吗？你想要的信号占测量波动的百分比是多少？如果噪声超过 80%，后面所有结论都很难有说服力。
- 能画出一条光滑趋势吗？把核心参数作为横轴，测量量作为纵轴，能不能看到单调变化或明显峰值？看不到趋势，说明变量选择可能失败。
- 有没有一个相对简洁的解释？这个解释不需要完美，但至少能把 80% 的数据方向说通，而不是每个点都需要一个假设。
- 下周还能继续推进吗？你现在是否知道下一步该调什么？如果完全没有头绪，那说明题目给出的探索空间不足。
如果你能对三道题都完成上述验证，再做一次对比，通常就很容易做出决定。注意，最小验证的结果没必要给导师看，因为你的数据很可能漏洞百出，这没关系。它的价值是让你自己获得体感，而不是提交一份报告。
3.3 为什么“能演示现象”不等于“能做研究”
这里要特别提醒一个误区：很多队伍在最小验证阶段发现装置能出现漂亮的振荡或光斑，就立刻宣布选题成功。这远远不够。“能演示”只证明存在一个现象，“能研究”则要求你能定量描述现象并改变它。
一个经典的判断标准是：你能不能写出一句“在什么条件下，什么物理量随着什么参数怎么变化”的完整陈述？如果可以，那说明这道题有最基本的研究结构。如果只能写“某某现象很漂亮、很神秘、很有趣”，那这道题还不够成熟，或者说明你没有找到合适的切入点。
我见过不少队伍选了一道“看起来有深度”的题，结果整个备赛期只做出了几个演示视频，因为没有找到任何可用数据点——那种局面在答辩时最糟糕，因为评委能明显感觉到工作量空洞。
4. 不同类型赛题的隐藏成本和风险
虽然 2027 年的具体赛题还没公布，但 CUPT 已经办了多届，赛题类型是有规律的。提前了解不同类型题目的成本结构，能帮你更快做出判断。这里我按“题目气质”把常见赛题分成四类：现象型、机制型、应用型、数值型。
4.1 四类题目的能力矩阵
| 类型 | 常见特征 | 主要成本 | 适合队伍 |
|---|---|---|---|
| 现象型 | 强调观察一个反直觉的宏观现象 | 图像采集、装置搭建 | 动手能力强、视频功底好 |
| 机制型 | 强调解释一个现象背后的物理机制 | 理论建模、文献深度 | 理论基础扎实、数学好 |
| 应用型 | 以工程/日用品为背景，分析性能 | 控制变量、批量实验 | 实验规范、耐心、擅长数据分析 |
| 数值型 | 需要模拟复杂条件，实验作为校验 | 编程、数值稳定性 | 编程能力强、有计算资源 |
不同类型题目对应的风险也不同。现象型题目的风险是“做出视频但讲不出理论”，在反方环节容易被追问到崩溃；机制型题目的风险是“文献越查越深，理论模型过于复杂，无法用本科数学处理”；应用型题目的风险是“参数太多，做了一百组对照但归纳不出规律”；数值型题目的风险是“程序能跑但物理图像错误，结果看着漂亮实际是数值伪影”。
没有哪个类型绝对好。你需要的是根据队伍的长板和短板，承认自己的风险。
4.2 最容易被低估的三类成本：耗材、时间、理论门槛
耗材成本不止是买不起，还包括“耗材稳定性差”。比如研究流体力学中的液滴行为，去离子水的电导率、温度、容器表面清洁度都会影响结果。如果你需要频繁做对照，消耗量会远大于预期。建议选题阶段就估算“完成一个有效扫描大约需要多少个样品”，再乘以你能承受的重复次数。
时间成本最大头在于装置调试。很多队伍一开始规划的是一周搭装置、三周采数据、三周建模。实际上，装置搭建和调试通常要占掉 60% 的总时间。因此要故意把你预期的时间加倍，然后问自己：如果加完倍还是能在比赛前完成，才值得选。
理论门槛不是指公式多难，而是指知识结构跨度。比如你学物理专业，擅长力学和电磁学，选的题却需要表面化学或非牛顿流体力学知识，那么你需要从零开始建立一个完全陌生的理论框架——这比多学一个复杂的积分要痛苦得多。它意味着你要在几个星期内达到能阅读该领域前沿文献的水平，这是一道很高的隐性门槛。
5. 中后期推进：从“能做”到“能展示优势”需要补哪些关键能力
选题只是开始。真正让一支队伍拉开差距的，是接下来的两个月里你的研究质量怎么成长。这里不讨论具体实验方法，而是讲三件最容易忽略但会直接影响答辩分数的工程化能力。
5.1 实验日志和数据管理：决定答辩时你能不能讲清楚
大多数队伍的日志是一本记满数字的本子。问题是，一个月后回看时，根本不知道哪些数据是在什么条件下记录的。更常见的场景是：某个低参数的跑得很好的实验，后面改变参数后怎么也复现不了。
我强烈建议从第一天起就建立电子化实验日志。每个月都至少包含：
- 实验日期、时间、室温、湿度。
- 装置照片和简图，标注关键尺寸。
- 每个参数变量的值、测量仪器精度、采样次数。
- 每次实验的原始数据文件链接。
- 本次实验与上次实验的差异说明。
- 你觉得异常但没时间深究的现象。
这些事情不占用多少时间，但能帮你后期快速定位问题。更重要的是，对于答辩中的评审问题，你能迅速翻出原始数据，而不是靠“我觉得好像是……”来回应。评委非常看重这种科研习惯，因为它是未来研究生阶段的基本素养。
5.2 参数扫描与重复性：从“结果不错”到“结论可信”
很多队伍在有限时间内，只做到“做一个参数，出一张趋势图”，就认为任务完成了。这是不够的。一个更成熟的推进逻辑是：先固定其他所有条件，扫描第一个参数；然后固定这个参数在特征值处，扫描第二个参数；再把两组结果画成一张二维热力图或曲面图，看看有没有交互效应。即使 CUPT 不要求完整的正交实验设计，这种“先单变量，再双变量”的做法也能让你对物理机制有更深的理解。
重复性上，建议每个关键数据点至少做 3 次，算出误差棒，或者给出极差和标准差。你不需要每次都很完美，但至少要让你知道“波动范围”在哪里。很多时候，评委问的第一个问题就是：“你这个误差是怎么估计的？”如果答不上来，前面的展示再好也会减分。
5.3 理论的边界表述：不要假装自己证明了一个其实没有证明的模型
到了答辩阶段，最容易出现的问题是：队伍为了让理论看起来“完整”，把近似模型写成了一般性结论，结果被评委用一两个反例击穿。学术竞赛不是要你完成一位博士的工作，而是允许你明确说明：“我们在以下假设条件下推导了模型，它和实验在 X 范围内符合得较好，超出该范围偏差变大，可能原因是忽略了 Y。”
这样坦诚的边界表述，比强行说“理论吻合良好”要加分得多。因为评委都知道，本科阶段不可能做一个完全普适的物理理论。你的核心价值是在有限边界内做出定量一致的匹配，并且诚实指出改进方向。这也是一种成熟的研究能力。
6. 我的选题建议：不必求难，但一定要有“生长点”
最后回到选题建议。很多队伍迷信“题目越难，越好拿高分”，这忽略了一个事实：CUPT 的赛程要在半天内完成展示和答辩，评委真正看的是你这几个月里有没有形成“从现象到理论再到创新”的完整链条。难度大但只做出 60% 的题，和难度适中但做出 110% 的题，往往是后者胜出。
那怎么判断一道题是否有充分的发展空间？我建议看三个“生长点”。
第一，变量空间是否足够大：它至少有两个以上可以独立变化的参数，让你能画出有信息量的二维扫描。如果只有一个参数可调，那研究内容会比较单薄。
第二，理论切入角度是否多元：一个现象是否可以同时从力学、热学、波动、电磁学等多个视角分析。多视角意味着你们在讨论中更灵活，而且可以找到别人没想到的侧面。
第三，改进方向是否清晰：做完基础研究后，能不能顺手做一个“扩展”，例如更换材料、改变形状、加入反馈控制，或者把实验推广到非理想条件。这种扩展能让你在展示环节显得游刃有余。
如果一道题满足这三个生长点，即便它最初的物理门槛不低，也值得投入时间和精力。相反，如果一道题一眼看到底——比如就是一个现成公式的验证，做完测量后没有可延伸的问题，那么即使数据非常漂亮，评委也会觉得“这更像一道课后习题，而不是一个研究课题”。
6.1 可复用的选题评估清单
在你们最终提交选题结果之前，建议队长组织一次至少三小时的会议，针对最后两三个候选题，逐条回答下面十个问题。不要凭感觉，只凭事实：
- 我们现有的哪个器材，可以直接用于这道题？
- 我们需要额外购买什么？采购周期多长？预算多少？
- 第一次最小验证实验，是用手机还是用专业设备完成的？
- 核心参数是否可以直接测量，还是需要间接计算？
- 理论上我们能否写出一个包含两个或以上主要影响因素的一阶模型？
- 这个现象是否对温度、湿度、振动、电磁干扰等环境因素敏感？
- 如果实验失败，我们能否判断出是装置问题、操作问题还是物理问题？
- 这个题能不能拆分成三条并行的子任务，让三个队员各自推进？
- 这个题如果中途做不出来，我们能退而求其次展示哪部分内容？
- 三个月的备赛期，我们是否愿意为这道题改三次实验方案？
如果某个候选题目有超过三个问题无法给出明确答案，建议慎重。与其把精力分散到一个高风险题目上，不如选择一个你能稳定推进的方向。
对于 CUPT2027 赛题来说，具体题目还会有很多细节需要解读，但选题方法论大概率是通用不变的。别指望找到一个“绝对容易”的题，那不现实；真正该做的是找到一道题，让你的队伍在有限的时间和资源下，把研究链条从现象走到理论，再从理论回到新实验。做到这一步，不管最终排名如何，你都已经获得了一次非常完整的科研训练。而这场竞赛的长期价值，本来就不止是一张获奖证书。
