一、报考录取情况
北京大学深圳研究生院科学智能（材料科学）专业，依托北大材料科学与人工智能交叉学科优势，结合深圳新能源、先进制造等产业需求，聚焦智能材料设计、材料数据挖掘、AI 辅助材料研发等方向，是国内材料领域与智能技术融合的前沿专业，近年报考热度快速上升。
近年数据显示，该专业每年录取总人数稳定在 10-15 人（全日制学术型硕士），推免生占比约 55%，统考实际录取 4-7 人。报考人数年均增长 9%，报录比长期维持在 25:1 左右，竞争压力高于传统材料专业，对考生理工交叉基础要求高。复试分数线集中在 325-330 分，公共课（政治、英语一）单科线 50 分，专业课（材料科学基础、科学智能导论）单科线 85 分，注重考察材料理论与智能技术的结合能力。
考试侧重考察考生对材料核心知识、智能算法基础及跨学科应用的掌握，复试淘汰率约 45%。从录取情况看，专业课区分度高，复试中 AI 材料设计案例分析、材料数据建模思路阐述的表现占比大；录取考生多具备材料、计算机、数学等相关背景，部分有智能材料科研或算法实践经历，能否结合深圳产业需求设计跨学科解决方案，是上岸的核心关键。
二、专业备考攻略
2025 年 7 月 - 2026 年 3 月为基础阶段，核心是搭建 “材料 + 智能” 双基框架。材料方面，以《材料科学基础》（胡赓祥）为核心，梳理晶体结构、材料性能、制备工艺等核心理论，重点掌握新能源材料、功能材料等方向基础；智能技术方面，学习 Python 编程基础、机器学习导论（如线性回归、神经网络），了解材料数据库（如 Materials Project）应用逻辑，结合《智能材料与结构》辅助著作，理解智能技术在材料研发中的应用场景，避免学科知识割裂。
2026 年 4 月 - 8 月进入强化阶段，聚焦 “真题突破 + 交叉应用”。通过近 5 年北大交叉学科真题（含科学智能、材料信息学）总结命题规律：专业课一（材料科学基础）侧重理论与智能应用结合（如 “用机器学习预测材料力学性能”），专业课二（科学智能导论）侧重算法与材料场景适配（如 “设计材料数据预处理流程”）；每周开展 1 次专业课真题模拟（3 小时 / 科），整理 “材料理论 + 智能算法 + 应用案例” 对应表，强化跨学科思维，突破高频考点（如 AI 辅助材料设计、材料数据挖掘、智能表征技术、新能源材料智能优化）。
2026 年 9 月 - 12 月为冲刺阶段，侧重 “实战模拟 + 复试准备”。每月开展 2 次全科全真模拟（含公共课），优化答题策略 —— 理论题注重 “材料机理 + 算法逻辑 + 交叉价值”，应用题突出 “问题拆解 + 算法选择 + 结果验证”；复试提前准备常见问题（如 “如何用 AI 加速电池材料研发”“深圳智能制造业对材料的需求”），梳理科研或实践中的跨学科经历（如材料数据建模、简单算法应用），同时关注北大深圳研究生院交叉领域研究动态（如智能材料研讨会、AI 材料产学研项目），确保备考贴合专业特色与考试方向。
三、考研定制辅导
北京大学深圳研究生院科学智能（材料科学）考研兼具 “交叉复杂性 + 技术前沿性”，考生易面临 “材料与智能脱节”“算法应用不熟练”“复试跨学科表达薄弱” 等问题，专业定制辅导可有效突破瓶颈。
新祥旭考研全科全程定制辅导优势突出，公共课（政治、英语一、数学二）与专业课均为一对一辅导。一是师资精准匹配，数学辅导者聚焦高数、线代与材料计算的结合点，智能技术辅导者指导编程与算法基础（如 Python、机器学习），材料辅导者梳理核心理论与跨学科应用；二是计划专属定制，结合考生基础（如跨专业、算法薄弱点）制定方案，如为材料背景考生补充算法训练，为计算机背景考生强化材料理论；三是全程跟踪指导，监督学习进度，逐题批改真题与交叉应用习题，复试阶段提供模拟面试与跨学科案例分析指导，针对 “答题泛化”“学科结合不紧密” 等问题专项突破，尤其适合跨专业、交叉基础薄弱或追求高分的考生。
如有考研问题可以咨询 13671344286（微信同号），新祥旭考研咨询师将热情专业的解答您的考研问题。
