AI 材料研发性能预测工程师考试试卷及答案.docVIP

AI材料研发性能预测工程师考试试卷及答案

AI材料研发性能预测工程师考试试卷

一、填空题（共10题，每题1分）

1.材料性能预测中常用的回归算法除线性回归外，还有______回归。

2.AI材料研发常用数据库包括MaterialsProject和______。

3.材料成分的one-hot编码属于______特征编码方法。

4.预测材料力学性能时，输入特征含成分、______和工艺参数。

5.处理材料图像数据的深度学习模型是______神经网络。

6.模型拟合评价指标R2越接近______越好。

7.迁移学习利用______数据提升新任务性能。

8.材料电子结构特征（如能带隙）从______计算中提取。

9.模型过拟合可通过增加______或正则化缓解。

10.GAN在材料研发中可生成______。

二、单项选择题（共10题，每题2分）

1.不属于监督学习的算法是？

A.决策树B.K-meansC.随机森林D.支持向量机

2.MaterialsProject核心计算方法是？

A.分子动力学B.第一性原理（VASP）C.有限元D.蒙特卡洛

3.特征选择的目的不包括？

A.降维B.提效C.增加过拟合D.增强解释性

4.适合处理分子序列数据的网络是？

A.CNNB.RNNC.GAND.DNN

5.MAE表示的是？

A.平均绝对误差B.均方误差C.决定系数D.准确率

6.AI预测的材料性