第十七章 加试通知：生物数学的全新挑战

第十七章 加试通知：生物数学的全新挑战

答辩结束后，组委会召开短暂的反馈会，Miller教授特意找到林知夏，用中文说：“你的模型很有实用性，尤其是极端数据测试的设计，很全面。如果能加入‘生物代谢模型’的思路，分析碳排放对植物生长的影响，会更有创新价值。”

林知夏愣住了——“生物代谢模型”是生物数学的范畴，她从未接触过， Miller的话看似建议，却像在暗示后续有相关考核。果然，当天下午，组委会就发布通知：“为考察选手跨学科能力，增设‘生物数学加试’，题型为‘种群数量预测与环境因素关联分析’，明天上午进行，时间90分钟。”

这个消息让林知夏措手不及——她连最基础的“Logistic种群增长模型”都不熟悉，更别说结合环境因素分析。陆时衍看出她的焦虑，立刻从背包里拿出一本《生物数学基础》（英文版）：“我妈怕你遇到跨学科题，特意让我带了这本书，重点看‘种群增长’和‘生态因子回归分析’两章，我帮你划了考点。”

吴彤也凑过来，打开自己的笔记：“我参加交流营时学过这部分，‘Logistic模型’的核心是‘环境容纳量（K值）’，英文表述是‘carrying capacity’，你要记住公式：dN/dt = rN(1-N/K)，其中r是内禀增长率。另外，环境因素（如温度、降水）可以用‘多元线性回归’关联K值，我给你画个思路图。”

接下来的6小时，林知夏开启“冲刺模式”：陆时衍帮她拆解Logistic模型的推导过程，用“人口增长”的例子让她理解“K值”的含义；吴彤陪她做“种群数量预测”的基础题，纠正她“单位换算”的错误（如把“个体/公顷”写成“个体/平方米”）；李然和赵宇则整理“生物数学英文术语表”，把“内禀增长率”“生态因子”等高频词标注出来，方便她记忆。

可学到“多元线性回归关联环境因素”时，林知夏还是卡了壳——她不知道如何确定“温度对K值的影响系数”，更别说用英文写出推导过程。就在她急得快哭时，手机收到了匿名者的邮件，附件是“生物数学加试真题解析”，里面正好有“种群数量与温度关联”的案例，还标注了“影响系数的计算步骤”和“英文表述模板”。

“太好了！”林知夏立刻按照案例思路练习，陆时衍帮她核对计算结果，发现她在“显著性检验（p值）”的判断上有误——p<0.05才代表“相关性显著”，她之前记成了p>0.05。“这个错误一定要改，”陆时衍严肃地说，“加试时要是p值判断错了，整道题都会扣分。”

深夜，林知夏终于能独立完成一道“种群数量预测题”，可她还是担心——加试会不会出现更复杂的“多物种竞争模型”？陈宇会不会又在加试前搞小动作？她揉了揉酸痛的眼睛，看着桌上的资料，心里充满了不确定感。