AI trong bài kiểm tra khám phá vật liệu

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Mạng lưới thần kinh đồ thị thường biểu diễn một tinh thể như thế nào?
   • Là các nguyên tử (nút) được kết nối bằng liên kết (cạnh)
   • Là một đoạn văn bản
   • Là một số duy nhất
   • Là dạng sóng âm thanh
2. Những phép tính vật lý chậm nào mà người đại diện AI thường thay thế để sàng lọc nhanh?
   • Phép chia dài
   • Lý thuyết hàm mật độ (DFT)
   • Dự báo thời tiết
   • Kiểm tra chính tả
3. GNoME của DeepMind đã đóng góp gì vào năm 2023?
   • Một ngôn ngữ lập trình mới
   • Trình duyệt web nhanh hơn
   • Hàng trăm ngàn cấu trúc tinh thể ổn định được dự đoán
   • Robot hút bụi
4. Tại sao tính bất biến quay và tịnh tiến lại quan trọng trong các mô hình vật liệu?
   • Nó làm cho mô hình lớn hơn
   • Nó tăng tốc internet
   • Nó được yêu cầu bởi pháp luật
   • Nó giữ cho các dự đoán nhất quán về mặt vật lý bất kể các nguyên tử được định vị hoặc dán nhãn như thế nào
5. 'Phòng thí nghiệm tự lái' trong khám phá vật liệu là gì?
   • Một cơ sở nơi AI chọn lọc ứng viên và robot tổng hợp và kiểm tra họ
   • Một chiếc xe nghiên cứu hóa học
   • Một mô phỏng không có thử nghiệm
   • Cơ sở dữ liệu các giấy tờ
6. Ngoài sự ổn định nhiệt động lực học, thách thức nào đang ngày càng được nhấn mạnh?
   • Màu sắc của phòng thí nghiệm
   • Liệu một vật liệu thực sự có thể được tổng hợp hay không
   • Thương hiệu của máy tính
   • Chỉ giá điện
7. How many GNoME structures did the 2023 study report as independently experimentally verified?
   • 7 structures
   • 73,600 structures
   • 736 structures
   • All 381,000 structures
8. How does MatterGen generate candidate crystal structures?
   • It translates database titles into chemical formulas
   • It copies measured crystals without modification
   • It optimizes only the color of a rendered structure
   • A diffusion process gradually refines atom types, coordinates, and the periodic lattice