贵州省毕节市2024届高三年级第三次诊断性考试(毕节三诊)试卷及答案答案(语文)正在持续更新，目前金太阳答案为大家整理了相关试题及答案，供大家查缺补漏，高效提升成绩。
试卷及答案答案(语文))
(二)实用类文本阅读（本题共3小题，12分）阅读下面文字，完成46题。人工智能模型一直以“黑匣子”的形态让人们感到不安，AI到底从数据中学到了什么？又是如何作出推理？入工智能(I)一直在迅速发展，但对人类来说，强大的模型却是个“黑匣子”。自人工智能发展以来，药物发现研究也越来越多地采用与A【相关的技术。比如图神经网络(GN)0,适用于预测某种分子与靶蛋白结合的强度。图由表示对象的节点和表示节，点之间关系的边组成。在蛋白质与配体复合物的图表示中，图的边连接蛋白质或配体节点，表示物质的结构，或者母白质和配体之间的相互作用。GN模型使用从X射线结构中提取的蛋白质配体相互作用图，来预测配体亲和力。最近，波恩大学(University of Bonn)的化学信息学专家Jurgen Bajorath教授和他的团队取得了重大突破。他们设计了一种技术，揭示了药物研究中使用的某些人工智能系统的运行机制。他们的研究结采表明，这些人工智能模型主要依赖于回忆现有数据，而不是学习特定的化学相互作用，来预测药物的有效性。4在医药领域，研究人员正在狂热地寻找有效的活性物质来对抗疾病一哪种药物分子最有效？通常，这些有效的分子（化合物）会对接在登白质上，蛋白质作为触发特定生理作用链的酶或受体。在特殊情况下，某些分子还负责阻断体内的不良反应，例如过度的炎症反应。可能的化合物数量巨大，寻找有效的化合物就像大海捞针一样。因此，研究人员使用A模型来预测，哪些分子最能与各自的靶昼白对接并牢固结合。然后在实验研究中，更详细地进一步筛选这些候选药物。来自波恩大学化学信息学的研究人员，与罗马Sapien2a大学的同事一起，详细分析了图神经网络是否真的学习到了蛋白质与配体的相互作用。研究人员使用他们专门开发的“EdgeSHAPer"方法分析了总共六种不同的GNN架构。“EdgeSHAPer”程序可以判断GNN是否学习了化合物和蛋白质之间最重要的相互作用。科学家们使用从蛋白质配体复合物结构中提取的六个经过训练的GNN一化合物的作用方式以及与靶登白的结合强度已知。然后，在其他复合物上测试经过训练的GNN,并使用EdgeSHAPer分析GNN如何产生预测。如果GNN按照预期行事，它们需要学习化合物和艳蛋白之间的相互作用，并且通过优先芳虑特定的相互作用来给出预测。然而，根据研究小组的分析，六个GNN基本上都没有做到这一点。大多数GNN只学会了一些蛋白质与药物的相互作用，主要集中在配体上。为了预测分子与靶蛋白的结合强度，模型主要“记住”了它们在训练过程中遇到的化学相似分子及其结合数据，而不管靶蛋白如何。这些被记住的化学相似性基本上决定了预测。这让人想起“聪明的汉斯效应”一就像那匹看起来会数数的马，实际上是根据搭档面部表情和手势的细微差别，来推断出预期的结果。这或许意味着，GN所谓的“学习能力”可语文试题卷第3页（共10页）
本文标签：
