| K8.1 | 写出科学数据的三个特点,解释为什么主要矛盾是「标签稀缺而非数据稀缺」,并各举一条方法上的后果 | ☐ 能 / ☐ 半 / ☐ 不能 | 定义 8.1.1、8.1.1 直觉框、方法 8.1.1 | A1、A3、D1 |
| K8.2 | 把给定问题归入预测 / 反演 / 发现三类之一,并指出该类的典型失败模式 | ☐ 能 / ☐ 半 / ☐ 不能 | 定义 8.1.3、例 8.1.1 | A1、A8、D1 |
| K8.3 | 写出不变与等变的定义式,对能量 / 力 / 坐标 / 距离各判断一次,并说明等变性为什么带来样本效率 | ☐ 能 / ☐ 半 / ☐ 不能 | 定义 8.1.2、例 8.2.3、等变直觉框 | A2、B1、C1 |
| K8.4 | 复述「共进化 → 接触信息 → 端到端结构预测」的信息链,列出四个部件与各自作用,并说明 FAPE 为什么在局部坐标系度量 | ☐ 能 / ☐ 半 / ☐ 不能 | 定义 8.2.2、定理 8.2.1、方法 8.2.1、定义 8.2.4 | A4、B2、C3 |
| K8.5 | 说明机器学习势函数「快数个数量级」的来源(局部能量分解 + 一次前向替代自洽场迭代),并列出至少三条可信边界 | ☐ 能 / ☐ 半 / ☐ 不能 | 定义 8.3.2、例 8.3.2、方法 8.3.2 | A3、A5、B3、C2、D2 |
| K8.6 | 对比代理模型 / 神经算子 / PINN 在「学什么、需要什么数据、典型失效」上的差异,并陈述 PINN 在正问题与反问题上的适用性差异及机制 | ☐ 能 / ☐ 半 / ☐ 不能 | 定义 8.4.1、定义 8.4.2、方法 8.4.1、方法 8.4.2 | A6、B4、C4 |
| S8.1 | 给定一个 PDE(如一维热方程),写出其 PINN 残差损失,说明每个导数由哪一步自动微分给出,并给出一个残差不为零的具体函数作反例 | ☐ 能 / ☐ 半 / ☐ 不能 | 定义 8.4.3、例 8.4.2 | B4、C6 |
| S8.2 | 给定残基数 N、MSA 深度 s、通道数 cm,cz 与位宽,手算 MSA / 配对表示的元素数与显存;给定通道数与模式数,手算 FNO 一层的参数量 | ☐ 能 / ☐ 半 / ☐ 不能 | 例 8.2.2、例 8.4.1 | C3、C4(另见自测卷 11–12 题) |
| S8.3 | 设计一个多步自回归误差累积实验:测量方案(同初始场、逐步对照真值)、误差指标与「误差随步数增长」的判据,并说明训练—推理分布差异如何体现在设计里 | ☐ 能 / ☐ 半 / ☐ 不能 | 定义 8.5.2、例 8.5.1、例 8.5.2 | B5、C5、D3 |
| A8.1 | 给定科学预测任务与模型说明,判断它属于「可当计算器用于筛选」还是「必须实验 / 高精度计算验证」,并写出判断依据与失败判据 | ☐ 能 / ☐ 半 / ☐ 不能 | 方法 8.6.4、方法 8.3.2 | A5、A6、D2、D3 |
| A8.2 | 面对「模型发现了新规律 / 新候选」的声明,按外推三判据设计检验方案,并指出最可能出现的两类伪发现 | ☐ 能 / ☐ 半 / ☐ 不能 | 定义 8.6.2、方法 8.6.1、思考 8.3.1、思考 8.6.2 | A8、D4 |