学霸的模拟器系统 第125节

　　“这种信号，所有传统的物理模型都失效了。它更像是一个……需要我们去‘学习’其内在规律的黑箱。”

　　林允宁的目光落在那张图上。

　　这种感觉，他很熟悉。

　　就在几个小时前，他还在实验考试中与类似的噪声搏斗。

　　他沉默了片刻，提出了自己的意见：

　　“里希特教授，你们有没有考虑过，把这个噪声当成一个概率问题？”

　　“概率问题？没有过。”

　　里希特教授摇了摇头，有些错愕。

　　他想过林允宁可能会提出各种复杂的波分析方法，或者列出长长的波动方程，甚至想过他可能会对实验本身提出意见。

　　但唯独没想到他会从概率的角度来考虑问题。

　　“它看起来更像一个概率问题，”

　　林允宁的思路因为刚才的实验考试而变得异常清晰，他刚刚总结出的那套方法论——“噪声本身也携带信息”，与眼前这张图产生了奇妙的共鸣。

　　“我们是否可以构建一个‘自适应的滤波器’，不去管它的物理机制是什么，而是让算法自己去识别噪声中‘高概率’和‘低概率’的事件模式？这样，或许就能把有规律的信号，从无规律的‘背景概率’中分离出来。”

　　这个“让算法自己识别模式”的朴素想法，一下子点醒了里希特教授。

　　“概率……模式识别……”

　　他喃喃自语，蓝色的眼睛里闪烁着光芒，“这……这是一个极具启发性的思路！我们有很多类似的数据，也许可以利用某些非线性统计算法，比如神经网络之类，来找出噪声发生的规律和模式……”

　　他猛地抬起头，看向林允宁的眼神充满了欣赏与激动：

　　“不愧是年轻人，才有这么天马行空的思路！

　　“林，我可否邀请你参与我们这个课题？如果你的Aether能开发出类似的模块，帮我们解决这个随机电报噪声的问题，未来这篇量子点的文章，无论发表在何处，你都将是核心作者。”

　　“好的，我可以试试看，请你将数据发给我吧。”

　　林允宁对这个课题也很有兴趣，爽快地答应了下来。

　　他在心中，默默记下了“神经网络”这个名字。

　　……

　　与此同时，大洋彼岸的澳大利亚。

　　墨尔本大学。

　　物理学院的一间办公室里，气氛却与金陵截然相反。

　　乌萨尔教授将陈正平那封表示正在进行更深入研究的回复邮件摔在了桌上。

　　“看到了吗？大卫？”

　　他对着自己的博士后冷笑道，粗壮的手指在邮件上敲得砰砰响，“心虚了，不敢正面回应，只能用这种外交辞令来拖延时间！这说明他们的理论确实有致命漏洞！

　　“我们不要给他们修复模型的时间，直接将质疑的文章发出去，抢占先机。”

　　博士后大卫扶了扶眼镜，犹豫着说道：

　　“教授，也许他们真的需要时间来验证……

　　“而且……我们的样品引入了比对方模型高一个量级的钾原子吸附，处于强无序状态，衬底也做了特殊的酸处理。

　　“用这种强无序条件下的数据，去攻击一篇基于弱无序模型的理论，在方法论上……是不是有点站不住脚？”

　　“站不住脚？”

　　乌萨尔教授像是听到了什么笑话，他从椅子上站起来，在办公室里来回踱步，声音陡然拔高，“你以为学术界是什么？是喝着咖啡，做实验，发文章的俱乐部吗？

　　“这里是战场！石墨烯这块新大陆，他们理论家坐在办公室里，动动笔画张地图，就把所有成果都圈走了！

　　“我们这些天天待在超净间里跟液氦和真空泵打交道的人，就只能跟在他们屁股后面喝汤，为他们验证理论？

　　“两年前，就是那个金陵大学的韩至渊，用一个‘理论上不可能’，否定了我最有希望的项目！

　　“现在，他又想在石墨烯这个新材料课题上领先？做梦！“我就是要告诉全世界，物理学，归根结底还是实验的科学！”

　　他的声音因为激动而拔高，在空旷的办公室里回响。

　　“我就是要用最极端的实验条件，去摧毁他们那个所谓‘优美’理论的根基！我要告诉全世界，这个领域，最终还是由我们做实验的人说了算！”

　　“可是教授，我们在文章中没有披露故意引入杂质的事实，这有违学术道德……”

　　大卫还想劝说。

　　“闭嘴！”

　　乌萨尔粗暴地打断了他，“制备过程中都会有杂质，这不是事实吗？我们的杂质只是比正常情况高了一些罢了，我们不说，谁会知道这是人为添加的？

　　“你要是觉得不道德，可以离开我的课题组！”

　　大卫的脸上闪过一丝挣扎，但最终还是沉默了。

　　乌萨尔教授看着自己学生那副样子，不屑地哼了一声。

　　他径直坐回电脑前，打开了一个文档。

　　文档的标题，措辞极其尖锐，充满了煽动性——

　　《On the Fragility of Theoretically Predicted Quantum Anomalous Hall Effect in Graphene》

　　（《论石墨烯中理论预言的量子反常霍尔效应之脆弱性》）

　　乌萨尔在文章的“致谢”部分，特意加了一句：“感谢韩至渊教授课题组发表在PRL上的‘启发性’工作。”

　　然后，他没有丝毫犹豫，将这篇充满了火药味的文章，连同他们那些看似“推翻”了原理论的实验数据，直接上传到了预印本网站arXiv。

　　……

　　金陵大学，集训队宿舍。

　　林允宁告别里希特教授，婉拒了对方共进晚餐的邀请，回到了自己的座位上。

　　他在Google Scholar的搜索框里，好奇地敲下了“Neural Network”两个单词。

　　屏幕上，立刻跳出了密密麻麻的相关论文。

　　他随意点开一篇综述，快速地浏览了一遍，立刻被里面的内容所吸引了。

　　一个简单的神经网络，只是通过学习大量的图片，便最终能够准确地区分出‘猫’和‘狗’，甚至还能识别各种手写字母和数字。

　　林允宁靠在椅背上，若有所思。

　　显然，神经网络是个很强大的工具，但里希特教授的RTN问题，是一个时域信号的难题，单纯用神经网络来处理，不经过信号转换，很难去识别统计规律。

　　他“识别模式”的思路没错，只是算法模型的选择上，还需要继续考虑。

　　林允宁叹了口气，刚要关闭综述页面，却忽然想起来一件事。

　　材料系高翔的那个高熵合金的“三色灯”项目，不也是一个典型的模式识别问题吗？

　　从一堆复杂的XRD数据和工艺参数中，自动判断出样品的“好”、“中”、“差”。

　　逻辑上来说，跟识别猫和狗并没有本质的区别。

　　一个新的念头，在他脑中清晰地浮现出来。

　　……

第104章 物理信息神经网络（求收藏求追读求月票）

　　有了新的想法，林允宁立刻合上笔记本，抓起桌上的集训队图书卡，走向金陵大学图书馆。

　　高翔曾经跟他说过，在制备非平衡磁控溅射的多组分金属薄膜时，想找到一种方法，只用少量的XRD数据和几个简单的电学指标，就能快速判断样品是否落在了想要的目标相区。

　　当时，林允宁给了他一个用贝叶斯框架搭建的，用红、黄、绿三色灯判断样品相区的构思。

　　只是，他还没来得及实现，就被雅努斯计划吸引了全部注意力，将这个课题搁置了。

　　如今看来，用神经网络来处理这个问题，可能比贝叶斯模型更高效。

　　“三色灯”项目，本质上是一个分类问题，与识别猫狗并无二致。

　　而里希特教授的随机电报噪声（RTN），则是一个更复杂的时域信号识别问题。

　　两者有一定的共通之处，也许能用相似的方法论来解决。

　　林允宁决定先从简单一些的“三色灯”项目开始做起，积累了经验，再推广到RTN问题中。

　　雅努斯计划的实验验证部分，他目前毫无思路，只能先做其他课题，慢慢寻找灵感。

　　图书馆，计算机科学阅览区。

　　林允宁在高大的书架间穿行，最终抽出了两本厚重的英文影印书：

　　克里斯托弗·毕晓普的《模式识别与机器学习》和Haykin的《神经网络（第二版）》。

　　回到宿舍，他快速翻阅着那两本书。

　　感知机、反向传播、梯度下降……这些在十几年后烂大街的概念，在2005年的此刻，对绝大多数人而言还如同天书。

　　但对林允宁来说，这套逻辑清晰的数学框架并不难理解。

　　【检测到你已完成对《模式识别与机器学习》的首次通读，该知识模块已成功收录！】