方程接过名单，两个副研究员都是三十出头的样子，神態谦和，各自冲方程点了点头。
方程听过刘向群的名字，在聚变等离子体模擬中有过重的贡献，而且横跨好几个学科方向，没想到老师尽然把他也调过来了。
“麻烦了。”方程说。
“客气了。”刘向群將会议室交个方程，“你来说下你的模型方向。”
这里的模型是世界模型，也叫世界引擎，是当前最主流的ai架构。
这种ai架构与几年前流行的大语言模型不一样，大语言模型基於海量文本训练，做的是模式匹配和內容生成，没有因果推理能力，更谈不上决策。
世界模型不一样。
它直接对物理规律的数学表达进行符號演算，在內部构建一个与真实世界共享同一套底层逻辑的“镜像”。给它初始条件与边界条件，它能推导演化路径与约束下的最优解，因果推理和决策能力是它的底层能力。
方程坐到主终端前，插入自己作为做好的概念模型。
“先说下常规的方案，先搭建恆星模型的静態底座，然后逐层引入变量，通过各种复杂算法计算出一个稳態的收敛模型。”
刘向群道：“但我们缺乏足够的数据支撑，几乎很难得到收敛模型。
即便得到了，它的缺点与混沌模型一样，初始条件的细微偏差会被逐级放大，最后得到的结果完全不一样。”
方程点头，打开自己的模型概念图。
“是的，我们当前的观测数据还无法衡量量子隧穿对太阳內部影响的精確数据。
所以，建立新的恆星模型，很大的程度是需要对一些条件进行假定的。
如其假定各种磁流体能量强度、耦合关係和边界条件，不如直接假定当前太阳的內部结构发生了那些变化，它的內部能量流动发生了那些改变，反推其他的节点参数。”
刘向群看著方程的模型概念图，图上的节点分布有疏密，有层次，辐射层和对流层之间的过渡带有一排整齐的节点链。这不像是一个粗略的草图，但问题不在这里，问题是这些节点的参数怎么定。
“这个方式虽然最简单。”刘向群措辞很克制，“但也最依赖初期假定的太阳的內部结构与能量流动方式。
以此推测的那几百个节点的参数条件，只要设定有一丝与真实情况偏差，整个模型就收敛不了。
除非有人看到过太阳內部的全部结构，否则这种方法成功的概率就相当於连续几万次都能买中彩票。”
方程有些错愕，这种形容……还真贴切。
但这也是自己没法解释的地方。
“刘博士，你说的我认可。”方程说，“传统方案如果数据足够，那条路或许能走通。
但我们也可以尝试其他的路，儘管我的方式有些臆想，很多依靠的都是直觉，但直觉或许也能取得意想不到的结果，任何值得尝试的都应该试一试。”
刘向群没有直接反驳，他站在主屏幕前，把那幅模型概念图又看了一遍。
“科学研究里適当的猜测是必要的。大部分理论最初都是源於猜测，然后再用数据去证实或证偽。
但猜测和盲猜不一样，我们平时说的猜测，是建立在已有理论基础上的外推，而你的方式……我也说不好。
如果事先知道你是这个方案，我可能会犹豫要不要过来。
但是……凭我们的直觉，你的模型给我的感觉又十分的和谐，似乎太阳的內部结构被就是这样，模型內部有一直自洽的美感。
我也不清楚是否应该支持你了。”
顿了一会，刘向群道，
“或许……我也应该相信一次自己的直觉。”
方程表示感谢，不过即便是刘向群不支持，方程也会自己去研究，只不过耗费更长的时间。
项目开始了，方程直接將脑海中的恆星结构展现出来，刘向群等人根据结构反推所有节点的参数与约束条件。
在根据这些节点参数与约束条件，推演恆星发展模型，並与现有的观测数据进行比较。
只不过让刘向群万万没想到的是，以常理而言不可能的方案，一番凭藉“直觉”的设定，在第五天晚上，初版模型就跑通了。
推演的结果与实际监测的太阳数据整体偏差不到0.4%，整个模型达到了收敛状態。
本章未完，点击下一页继续阅读。