唐仲英楼,韩至渊的办公室。
    冬日的阳光透过百叶窗,在房间里投下几道明暗相间的光影,空气中飘着淡淡的龙井茶香。
    林允宁推门进来时,韩至渊正与一位客人坐在沙发上交谈。
    那位客人约莫五十岁出头,身材高大,金发梳理得很整齐,鼻梁高挺,穿着一身剪裁得体的深灰色西装。
    即便只是随意地坐着,身板也挺得很直,嘴唇抿得很紧,透着一股德式科学家的严谨。
    正是苏黎世联邦理工学院的克劳斯?冯?里希特教授。
    “韩,这位就是......”
    里希特教授停下交谈,看向门口,蓝色的眼睛里带着几分审视和好奇。
    “克劳斯,给你介绍一下,”
    韩至渊笑着起身,脸上带着几分掩饰不住的自豪,“这位就是Aether的开发者,我们课题组最小的成员,林允宁。”
    “你好,里希特教授。”林允宁走上前,礼貌地伸出手。他身上那身蓝白相间的春江七中校服,在两位西装革履的男人面前,显得有些格格不入。
    “你好,林。”
    里希特教授起身与他握手,手掌宽厚有力。
    他打量着眼前的少年,难掩脸上的惊讶。
    太年轻了。
    比想象的还要年轻得多。
    “允宁,别站着,坐。”
    韩至渊示意林允宁坐下,然后微笑着看着里希特教授,“克劳斯,允宁其实现在还在读高中,是春江七中的高三学生,同时也是我们国家物理竞赛集训队的成员。”
    “什么?”
    里希特教授脸上那德式严谨的表情僵住了。
    他扶了扶自己的无框眼镜,再次确认般地看向林允宁身上的校服,声音里带着难以置信:
    “韩,你不是在开玩笑吧?这.......这是中学生?”
    韩至渊含笑点头。
    里希特教授沉默了。
    他那只端着茶杯的手停在半空中,愣了三秒,才缓缓将茶杯放回桌上,发出“嗒”的一声轻响。
    他看向林允宁的眼神彻底变了,从最初的审视,变成了震惊,最后化为欣赏。
    “上帝......韩,我收回我之前的评价,”
    他感叹道,“这已经不是天才了,这是难得一见的......造物主的馈赠。”
    他转向林允宁,表情变得郑重:
    “林,首先,请不要被我之前邮件里那些尖锐的问题冒犯,那是一个物理学家的职业病。”
    “当然不会,教授。”
    林允宁平静地回答,“您的三个问题也给了我很多灵感,Aether v1.0的诊断模块正是基于您的启发。”
    “不,那不一样。”
    里希特教授摆了摆手,“我只是一个挑剔的提问者,而你,是那个解决了问题的人。”
    他身体微微前倾,语气变得兴奋起来:
    “当然,新版的Aether非常强大,非常!我必须告诉你,它帮了我们一个大忙。我们课题组有一组关于量子临界点的光谱数据,被极强的背景荧光污染,我们尝试了所有方法,花了好几个月都束手无策,几乎已经准备放弃
    了。
    “上周,我的一个博士生在开源社区发现了Aether v1.0版本。最初只是抱着试试看的心情下载使用,结果只用了不到半个小时,它就从那堆被污染的数据里,分离出了一个信噪比很好的准粒子峰。
    “这个发现,很可能直接决定了他博士论文的成败。”
    里希特教授感叹道:
    “它太实用了,而且十分小巧,简直是实验物理学家的福音。”
    韩至渊在一旁听着,脸上笑意更浓。
    没有什么比自己的学生得到国际同行的认可更让人高兴的了。
    “不过,你也知道,我在沪上的会议结束之后,没有直接回瑞士,而是绕路来到金陵,肯定不是为了单纯夸奖你......”
    里希特教授狡黠一笑,话锋一转,从随身的公文包里拿出他的笔记本电脑,打开了一张数据图,“我是作为一个用户,来对Aether提出意见的。”
    林允宁身子凑过去,只见屏幕上是一张散点图。
    那是一团毫无规律的,上下剧烈波动的噪点,没有任何可识别的周期性。
    “我认为,Aether在频域的处理上已经十分完善,但物理世界中还有大量发生在时间域的复杂现象,同样让我们头疼。”
    里希特教授指了指屏幕上的散点图,“这是我们在单个量子点上测到的‘随机电报噪声’(RTN)。
    “由于电子在量子点和临近缺陷态之间随机隧穿,导致了这种信号。我们尝试过傅里叶变换,但它的功率谱是一片混沌,没有任何特征峰……………”
    他看向林允宁,叹了口气:
    “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。