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!】
【新知识模块:机器学习LV。1概念认知】
林允宁没有犹豫,直接调动了系统。
【注入模拟时长:200小时!】
【指定模块:机器学习LV。1->LV。2范式掌握!】
当模拟结束,林允宁睁开眼时,一个基础的神经网络框架已经在他脑中清晰成型。
他立刻打开电脑,开始用Python搭建一个最简单的三层全连接神经网络,加入到了Aether中,命名为Aether_ML_NN。
在【模拟科研】的帮助下,他很快完成了新模块的编写。
吃过午饭,他带着初步完成的Aether_ML_NN模块,来到了材料学院高翔的实验室。
实验室里还是一如既往,真空泵低沉地嗡鸣。
高翔的办公桌上还摆着两个泡面桶。
他看到林允宁,布满血丝的眼睛里亮起一丝期待。
“林师弟,你那边。。。。。。”
“模型做好了,可以试试。”
林允宁将自己的笔记本电脑连接到高翔的工作站上,调出了一个简洁的界面,“我已经把你发给我的实验数据和对应的工艺参数,还有你对样品质量的好、中、差”的标记,全部导入了Aether进行训练。