量子力学发展史 History of Quantum Mechanics

以物理学家费米的生平为主线，讲述理论物理与实验物理如何相互推动、共同发展。不仅回顾了费米对核物理的重要贡献，更向学生传递了一个核心观点：伟大的科学成就，往往诞生于理论与实践的紧密结合之中。

生物力学 Biomechanics

将物理力学应用于人体结构分析，把我们的脚部解析为精密的“传感器”与“减震器”，并探讨常见足部疾病的力学成因。通过这一讲座，学生将感受到物理知识在医学与健康领域的实际应用价值。这种跨学科的具象化解读，不仅打破了物理学科的抽象壁垒，更让学生意识到：物理规律并非孤立存在，而是深度嵌入生命系统运行的底层逻辑之中。

工程学 Engineering

讲座深入浅出地介绍了现代工业自动化的核心——PID 控制理论，不仅阐释其数学原理，更通过现场演示一个基于 PID 算法的自平衡系统，让学生直观看到抽象的数学方程如何成功“驯服”不稳定的物理实体，从而融会贯通控制论、经典力学与电子工程的知识壁垒。

摩尔条纹背后的数学 Moire Fringes

引导学生从观察周期性光栅叠加产生的摩尔条纹出发，逐步深入到其数学本质，建立起从现象到原理的完整认知框架——物理现象和数学工具是相辅相成的，借助数学能更清晰地看懂物理世界中的规律。

优化思想在科研中的应用 Optimization Principles in Scientific Research

从日常生活中的“最短路径”出发，延伸到量子力学的概率波相，引导学生理解自然界追求效率的简洁之美。讲座传递了一个重要洞察：许多看似复杂的物理现象，本质上都遵循着最优化的原则。

Observational Circus & Puzzles and Surprises奇妙物理探索实验室

分别由英国物理奥林匹克委员会主席兼总教练 Robin Hughes 和 Stephen Martin 教授主讲，涵盖重力实验、磁场实验、惯性实验、折射实验等多个经典项目，引导同学们在观察中思考，探讨，透过现象探寻物理学的本质。

Slinky Practical 弹簧中的物理：胡克定律的实验探索

基于胡克定律，通过动手实验研究垂直悬挂的弹簧长度与线圈数量的关系，帮助学生建立实验工作的科学方法以及利用电子表格记录和分析实验数据的能力。

Radioactive Dice & Newton Cooling 随机的规律：从放射性衰变到冷却定律的物理探索

用骰子模拟放射性衰变的随机过程，以实验数据验证牛顿冷却定律。学生能够在动手操作中理解指数衰减的数学模型，体会概率统计在物理研究中的重要作用。

Robots with Neil Neil 教授机器人实验室

由英国著名物理教育家、拥有多年工程研发经验的 Neil 教授亲自带领，本模块通过机器人与智能硬件实验，引导学生理解工程思维在科学研究中的实际应用。在实验过程中，学生需要完整记录实验流程，分析测试失败的原因，并通过不断调整参数与优化方案完成系统改进，从而亲身体验真实科研中的迭代优化与试错过程。课程特别强调科学研究中的严谨方法与工程逻辑，帮助学生建立从问题分析、实验验证到系统优化的完整科研思维框架。

物理建模与估算：培养物理学家的直觉： 数量级估算是物理学家理解复杂世界的重要工具，也是理论物理训练中最核心的思维能力之一。在本模块中，学生将学习如何通过简化假设、建立物理模型以及运用基本物理常识，对复杂问题进行快速而合理的近似分析，从而抓住问题的本质。通过经典题目的实战演练，学生将掌握如何从看似混沌的现象中提炼出清晰的物理模型。

经典力学精讲：物理建模与奥赛解题方法： 由英国物理奥林匹克教练 Anson Cheung 教授主讲，回归经典力学，课程着重训练受力分析与数学建模能力。通过对梯子平衡、碰撞过程、链条张力等经典奥林匹克题型的深度剖析，引导学生将复杂的物理情境转化为可解的数学模型，掌握从物理图像到数学表达的思维路径，从而建立起严谨而高效的解题规范。

在现代科学研究中，编程已成为物理学家不可或缺的重要工具。本模块通过Python 编程入门课程，引导学生建立基础的计算思维，理解如何通过算法与逻辑结构来分析和解决物理问题，而不仅仅是学习编程语法本身。课程强调从问题出发的思考方式，帮助学生理解如何将物理问题转化为可计算的模型。例如，在函数图像绘制过程中，学生不仅学习代码实现方法，更将深入理解函数所代表的数学关系及其在物理情境中的意义，从而建立“物理现象—数学关系—计算表达”的认知路径。

此外，课程还包含机器人编程实践项目（毛毛虫挑战），学生将通过为智能硬件编写控制程序，直观理解代码如何作用于真实物理系统。在这一过程中，学生将体验从算法设计到实际运行调试的完整过程，理解逻辑指令与物理执行之间的关系，并在实践中体会工程测试与优化的基本方法。

通过这一模块，学生将逐步建立“物理情境—逻辑建模—计算求解”的综合科学思维框架，为未来在物理、工程及计算科学领域的深入学习奠定坚实基础。

大多数课程以 4 人小组为核心单位展开，学生在共同拆解问题、讨论代码逻辑或协同完成实验的过程中，学习倾听、表达与协作，从而打破个人思维的局限。同时，课程还设有答疑环节，无论是理论推导中的难点、编程实现的困惑，还是实验数据的处理疑问，都能在此获得教师的及时指导与针对性反馈。这种 “探索 - 讨论 - 反馈 - 深化” 的循环，有效推动了学习的主动性与深度。