需求简述

基于给定的 RNA 三维骨架结构，生成一个 RNA 序列。评估标准是序列的恢复率 (recovery rate)，即算法生成的 RNA 序列，在多大程度上与真实能够折叠成目标结构的 RNA 序列相似。恢复率越高，表明算法性能越好。

学习总结

以前有算法经验，代码理解起来还是很快的
虽然没弄过阿里云镜像仓库+ModelScope+Codeup，但是这一套，还是很熟悉的
重点（老生长谈的算法话题）
- 数据质量：有些原始数据还是很乱的，所以需要做一些前期的数据工程，数据对齐，去除噪音数据等
- 数据特征：QUALITY IN, QUALITY OUT, 数据表征是模型的输入，好的表征能否让模型更好地捕捉到数据间的联系，逼近更好地效果
- 模型架构：核心算法所在，影响数据的前向传播及权重优化，非常重要
- 超参数：有很多超参数，但是要理解其意思，不要乱调，有目的地调，可以提升效率
- 结果分析也很重要，知道问题出在哪，以后在哪优化
问题
- 熟悉docker，有些包问题，小case
- 比赛代码提交怎么运行的，涉及导入的模型权重文件名有变化，改下代码就行
专业知识问题
- DNA链还是很熟悉的，如果给了所有的原子坐标及原子类型，其实很好判断，因为ACUG核糖核苷酸的侧链是不一样的
背景知识：DNA链只所以能折叠成固定的空间结构，肯定是有某些力的作用，范德华力，氢键作用等，所有特定的核糖核苷酸，肯定具有某些别人不具有的特征。重点就是要让模型找到这些特征