2026年人工智能在药物研发分子生成中试题.docxVIP

第PAGE页共NUMPAGES页

2026年人工智能在药物研发分子生成中试题

一、单选题（共5题，每题2分）

1.在2026年人工智能药物研发领域，以下哪种技术最常用于预测分子与靶点的结合亲和力？

A.递归神经网络（RNN）

B.卷积神经网络（CNN）

C.常微分方程（ODE）

D.图神经网络（GNN）

2.以下哪个地区在2026年人工智能药物研发分子生成领域投入最大，且在2025年已建立多个超算中心支持相关研究？

A.北美

B.亚洲

C.欧洲西部

D.东南亚

3.在分子生成任务中，以下哪种算法最擅长处理高维度、稀疏的分子特征数据？

A.随机森林（RandomForest）

B.支持向量机（SVM）

C.变分自编码器（VAE）

D.遗传算法（GA）

4.2026年某制药公司采用AI生成候选分子，最终通过实验验证成功率最高的方法可能是？

A.基于物理化学规则的筛选

B.基于深度学习的生成模型

C.传统高通量筛选（HTS）

D.以上均有可能

5.以下哪个分子生成模型在2026年已广泛应用于药物设计中，但需结合强化学习进行优化？

A.Markov链蒙特卡洛（MCMC）

B.基于Transformer的分子生成（MTG）

C.蒙特卡洛树搜索（MCTS）

D.贝叶斯优化（BO）

二、多选题（共4题，每题3分）

6.在2026