NeuroDrive Alert 的核心设计精髓在于对“时间性”的把握。系统并非简单地将某个瞬间判定为“清醒”或“疲劳”，而是将疲劳视为一种累积过程，利用随时间变化的轨迹作为预测信号。这比快照式分类在机器学习层面要复杂得多，因为它需要对动态轨迹而非静态状态进行建模。同时，这也是解决该问题的唯一有效途径，因为如果预警与微睡眠同时发生，往往为时已晚。
她参赛的初衷聚焦于通过学习获得成长，而非仅仅展示已有的成果。她写道：“我参加这次挑战是为了学习新技能，接触创新理念，从而显著提升我项目的实际应用价值。在 3M 导师的指导下，我希望将我的项目提升到一个全新高度，并改进我的模型，使其能够顺利转化为物理系统。”她指出的差距——即模型在记录数据上表现良好，与设备能在行驶车辆中实际佩戴之间的鸿沟——正是许多充满潜力的生物信号项目折戟的地方。
她对所用工具的掌控并非流于表面。当被问及过去一百年中最伟大的发明时，她选择了脑电图机（EEG），并以专业研究生的视角进行了阐释：“脑电图机通过安置在头皮上的电极系统测量脑电波活动。我认为 EEG 能够将最细微的动态脑电波转化成扫描图像，展示其卓越的时间分辨率，这简直太不可思议了。从单一的 EEG 扫描中获得的海量数据，拥有揭示多种神经系统疾病‘神经指纹’的潜力。”她强调，EEG 的非侵入性和高时间分辨率使其非常适合“追踪时间序列中的模式，特别是在短时间范围内”——这正是她的系统所利用的核心特性。
她所提到的这项技术最令她着迷的应用其实并非疲劳检测。她写道：“我最喜欢 EEG 的地方在于它在助力‘脑机接口’（BCI）研发方面的能力。BCI 为身体残疾者恢复独立性、移动能力和沟通能力提供了可能，而 EEG 在构建 BCI 过程中的关键角色令我深感着迷。”
她所匹配的 3M 导师是 Stephanie Owen，她是该公司交通与电子业务集团旗下电子部门的研发产品工程实验室经理。这一配对直接解决了 Sharvi 在项目中识别出的痛点：如何将经过训练的模型转化为在车辆中可靠运行的硬件，这是一个电子产品工程问题，而非单纯的数据科学问题。
这项赛事已举办十九年，吸引了全美各地五至八年级的学生参与，由 3M 科学家和教育界领袖评审，考核标准涵盖创造力、科学知识和传播效能。十位决赛选手将在整个夏季与导师合作，并于 2026 年 10 月 12-13 日齐聚明尼苏达州圣保罗的 3M 创新中心参加现场挑战和最终展示，争夺 25,000 美元的奖金及“美国顶尖青年科学家”的称号。Sharvi 的眼界则更为长远：“希望成为一名计算神经科学家或科技初创公司创始人，”她描述了自己对大脑长久以来的痴迷，以及对“构建不同模型、测试不同特征或技术以提升性能”的执着。她选用的座右铭来自首位进入太空的印裔美国女性 Kalpana Chawla：“从梦想通往成功的路径确实存在。愿你有愿景去发现它，有勇气踏上它，并有毅力坚持到底。”
“在 3M 导师的指导下，我希望将我的项目提升到一个全新高度，并改进我的模型，使其能够顺利转化为物理系统。”— Sharvi Mahajan，2026年 3M Young Scientist Challenge 参赛简介
“从梦想通往成功的路径确实存在。愿你有愿景去发现它，有勇气踏上它，并有毅力坚持到底。”— Kalpana Chawla，Sharvi Mahajan 为决赛简介选用的名言
| 人物 | 国家 | 里程碑 | 年龄 / 数据 |
|---|---|---|---|
| Sharvi Mahajan | 🇺🇸 美国 | NeuroDrive Alert — 利用 EEG 机器学习预测微睡眠 | 14岁 |
| Kevin Tang | 🇺🇸 美国 | FallGuard — 实时视频跌倒检测；2025年冠军 | 14岁 |
| Pranjali Awasthi | 🇺🇸 美国 | 青少年时期创立人工智能公司 | 17岁 |
| Matteo Paz | 🇺🇸 美国 | 红外巡天数据机器学习；发现150万个天体 | 18岁 |
预测与检测是两个不同的课题，而目前几乎所有已部署的困倦监测系统解决的都是难度较低的问题。选择对疲劳的累积过程进行建模，而非仅仅分类单一瞬间，这正是职业研究者会做出的选择，也是该项目引人注目的关键所在。
她对 EEG 的描述暴露了她的专业度。她以一种深入钻研过文献而非仅仅查阅摘要的专业口吻，描述了时间分辨率、非侵入性、神经指纹和脑机接口等概念。14 岁就能解释为何某种工具适用于特定类别课题的青少年，往往能在科学道路上走得更远。
