# Ch0 練習題：為什麼化學系需要 AI 研究工具

> 形式：概念 2 題＋實作 2 題。詳解在最後，先自己寫。

## 題目

**Q1（歸類）** 把下列六件事各歸到「文獻層／勢能層／管理層」，並各用一句話說明那一層的工具能幫到什麼：
(a) 找出 2024 年後所有報過 FeCoNiCuMo HER 的論文
(b) 對 500 個 HEA 表面位點算 ΔG_H
(c) 幫新生整理「實驗室 VASP 慣用設定」FAQ
(d) 對一個 200 原子 slab 跑 1 ns 的 MD
(e) 比較三個 functional 對 O₂ 結合能的文獻值
(f) 把本週所有計算結果整理成週報草稿

**Q2（誤解辨析）** 學長說：「我們下載一個 foundation model 就不用跑 DFT 了。」用本章的「考古題」類比，寫 3–5 句反駁——要包含「訓練分布」這個詞。

**Q3（成本估算）** 你的 slab 模型單步 SCF 在實驗室機器上耗時 8 分鐘。AIMD 時間步長 1 fs。
(a) 跑 10 ps 的 AIMD 需要幾步？大約多少天？
(b) 若 MLIP 單步推論 0.05 秒，同樣 10 ps 要多久？
(c) 這個倍數差告訴你哪些題目「從不可能變可能」？舉一個你研究中的例子。

**Q4（數量級）** 不查表，憑本章內容把以下四種方法按「單點成本」由低到高排序，並標出每相鄰兩階大約差幾個數量級：CCSD(T)、古典力場、DFT(GGA)、MLIP。

---

## 詳解

**A1**
(a) 文獻層——deep research 自動掃 arXiv/Scholar 並給出處；(b) 勢能層——微調 MLIP 大規模掃位點（這正是 Ch6 主題）；(c) 文獻層（知識庫端）——RAG 讓 FAQ 可檢索；(d) 勢能層——DFT 做不到 1 ns，MLIP 可以；(e) 文獻層——檢索＋彙整，但數值要回原文抽查；(f) 管理層——AI 輔助整理，人負責驗收。
關鍵：**(b)(d) 是「算」、其餘是「知道與整理」**——期待錯層就會翻車。

**A2** 參考答案要點：foundation model 像背熟幾百萬筆 DFT 的學生，**考古題（訓練分布內：bulk、近平衡）答得好**；我們的問題是 HEA 表面吸附，屬於它的訓練分布外，它會自信地亂答。所以 DFT 不是被取代，而是換工作：從「算所有東西」變成「產生微調資料＋驗證模型」。（Ch5 會給官方文件與數字證據。）

**A3**
(a) 10 ps ÷ 1 fs = 10,000 步；10,000 × 8 min = 80,000 min ≈ **55.6 天**。
(b) 10,000 × 0.05 s = 500 s ≈ **8.3 分鐘**。
(c) 倍數 ≈ 9,600 倍。例：吸附質在 HEA 表面的擴散/重排（需要 ns 級採樣）、有限溫度下的位點佔據統計、退火生成 SQS-like 構型——全部從「不可能」變「隔夜」。

**A4** 古典力場 < MLIP < DFT(GGA) < CCSD(T)。
力場→MLIP 約 1–3 個數量級；MLIP→DFT 約 3–5 個；DFT→CCSD(T) 約 2 個以上（且 scaling 更糟）。數字不必背到精確——**會排序、知道差「幾個零」就夠**。