HappyFigure-Chp01-认识科研绘图

一、开源项目及章节脉络图

开源项目链接： https://github.com/datawhalechina/happy-figure

这是HappyFigure的第一章内容，主要是进行了讲述了AI科研绘图是什么、为什么的相关内容，怎么样的相关内容将在后续章节中展开。

此本章的知识脉络图：

HappyFigure 01章知识脉络图

二、01章节的主要内容

• 理解科研插图的三种分类，以及 AI 在其中各自的使用边界

  • 定量数据图。用于反映实验结果，包含折线图、柱状图、散点图等，核心特征在于每一个像素点都对应着真实的实验数值。主流学术期刊普遍不允许使用生成式 AI 直接生成此类图像内容。
  • 实证影像图。是实验的直接证据，包括显微镜照片、电泳图、实物装置图等。不允许进行包括 AI 去噪或放大等生成式填充修改，仅允许全图线性的亮度/对比度调整。
  • 定性示意图。是本书聚焦的核心领域，也是最耗费科研人员精力的部分。不依赖具体数值，侧重于表达逻辑、流程、机制和概念，是脑中科学假说和逻辑推演的具象化。包括细胞信号通路的原理图、算法模型架构的流程图，甚至期刊封面。

• 掌握判断一张"好图"的三个核心维度：科学性、逻辑性与艺术性。

  • 科学性。核心标准只有一个：诚实。所有视觉表达都必须真实反映数据、模型和实验事实。
  • 逻辑性。具有自明性，让读者更好地理解文中内容，甚至在不阅读正文的情况下也能凭图片及标注理解其核心内容。要清晰明了、讲究视觉层级。
  • 艺术性。不等同于装饰或炫技，而是利用视觉心理学规律，降低大脑处理信息的成本。

  通用法则：减法思维、布局秩序、色彩管理。

  领域适配：匹配目标学科的审美（如扁平化或拟真质感）。

• 了解不同学科的视觉偏好，学会用"领域语言"审视自己的插图。

  目前的顶刊审美主要呈现出两种截然不同的取向：

  • 偏向物理、计算机与人工智能领域的极简主义风格。偏好扁平化设计与矢量感。它们多使用低饱和度的莫兰迪色系，线条硬朗清晰，强调拓扑结构与逻辑流的直接表达，排斥不必要的三维渲染与光影修饰。
  • 偏向生物、医学与材料科学的拟真风格。青睐三维质感与真实环境的复现，强调微观细节的丰富度，常利用环境光遮蔽（AO）与次表面散射（SSS)等渲染技术来模拟细胞、蛋白质或纳米材料的真实质感，通过极强的视觉冲击力来营造沉浸式的微观世界。

• 为什么选择 AI 绘图？

  • 核心优势：提升效率、人均水平上提高审美。
  • 技术基础：当前的多模态模型具备了原生的文字、图片理解与生成能力，能实现图文的完美融合。

• 明确为什么 Nano Banana Pro 适合科研示意图场景

  • Midjourney 侧重艺术美感但难以精确控制。
  • Stable Diffusion 虽然强大但上手门槛较高。
  • Nano Banana Pro 具备独特的"理工科逻辑思维"。能精准解析晦涩的科研术语与复杂的空间指令，更遵循事实优先原则，且门槛相对低。