如遇到章节错误，请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，稍后尝试刷新。
隨后，工作人员拿来了《博士学位决议书》等相关文件，陈国栋院士作为主席，郑重地在决议书上籤下了自己的名字，其他委员也依次签名。这份文件，正式標誌著周的博士生涯的圆满结束。
签字仪式结束后，会场的气氛变得轻鬆起来。委员们和旁听的老师们纷纷走上前来，向周昀表示祝贺。
吴思源院士第一个走过来，握住周昀的手：“周昀博士，后续关於计算模型与神经科学的交叉研究，我非常期待能与你有更深入的交流。”
吴立民教授也笑道：“以后可就是周昀博士了，希望你的lite—ndncore能真正引爆社区，我们等著看更多的创新涌现。”
陈国栋院士最后走过来，只是简短地说了一句：“以后在理论研究上，可以再往深处走一走。”
周昀一一礼貌回应，感谢各位老师的指点。
待眾人寒暄稍歇，邓永华和老院士走了过来。邓永华看著自己这位创造了最快毕业记录、成果堪称惊艷的学生，百感交集，最终化作一句：“好样的！回去好好庆祝一下！”
老院士则语重心长地说：“路还长，在学术界，博士也只不过是个开始。”不过他很快又想到了周昀的成果，失笑一声：“不过对你来说好像不太適用，哈哈。”
周昀认真点头：“我明白，老师，师公。谢谢你们。”
答辩顺利通过，博士学位到手，一件大事总算是完成了，周的也感觉自己身上少了一块大石头。
答辩过后，周昀又重新回归了原本的生活，项目——学习——休息，三点一线。
九州项目如期进行，他的工作基本已经完成了，接下来就是需要大量工作人员共同努力，整个九州计划完全结束，大约需要半年。
所以周昀又开始了学习，不过这一次他没有选择最为擅长的领域，而是选择了一个非常玄学的领域——材料学！
这个选择，並非一时兴起。
其最直接的诱因，源於“九州”项目推进后，所暴露出的一个无法迴避的底层瓶颈——算力载体本身的物理极限。
隨著ndn模型的不断复杂化和“九州”所要处理的知识图谱规模指数级增长，即使有aetos平台的优化，对计算资源的需求依然是个无底洞。
现有的硅基晶片，在製程工艺逼近物理极限后，性能提升愈发困难，而功耗和散热问题却日益严峻。
周昀清晰地预见到，如果不能从根本上突破计算硬体的物理限制，他所构想的更智能、更庞大的未来系统，终將沦为空中楼阁。
而量子计算机虽然强大，但是真正了解的人就知道，想要真正使用量子计算机做通用的复杂工作，距离现在的他们还太远太远。
所以他需要寻找新的计算载体，是探索碳基材料，如碳纳米管、石墨烯的电子特性？还是研究拓扑绝缘体、量子计算等更前沿的方向？抑或是从生物分子中寻找灵感？材料科学，正是这一切可能性的源头。
然而，材料科学领域，传统上依赖於“炒菜式”的试错实验，周期长、成本高，且很大程度上依赖於研究者的经验和直觉，这也是为什么它有时会被戏称为“玄学”。
但周的看到的，却是其中蕴含的可以被计算和智能所顛覆的巨大潜力。
而他的底气，正来自於他手中掌握的强大工具—agi。
所以答辩过后，他开始系统地学习材料科学的基础知识：固体物理、量子力学、晶体学、相图、材料製备与表徵技术，对於常人而言晦涩难懂的概念和公式，在他强大的逻辑思维和认知能力面前，被迅速解构、吸收、內化。
同时，他也通过ndn架构的动態適应性，尝试构建能够模擬材料从原子尺度到宏观尺度演化行为的跨尺度计算模型。
传统的分子动力学或第一性原理计算往往局限於特定尺度，而ndn的动態生长特性，理论上可以更好地模擬材料製备过程中微观结构的形成与变化。
並且还可以让agi学习海量的材料资料库，包括已知材料的成分、结构、性能数据，以及无数失败的实验数据，並理解材料科学中的基本物理定律和化学规则，然后，他要求agi不再局限於分析现有数据，而是主动进行“逆向设计”。
给定目標性能，例如，超高强度、超导临界温度、特定能带结构，agi会在浩如烟海的潜在元素组合和晶体结构中，快速筛选出理论上最有可能实现目標的候选材料，並预测其合成路径。
agi能够从看似无关的数据中，发现人类难以察觉的深层关联和规律，比如某种微量元素对材料缺陷的抑制机制，或者某种特殊的晶界结构对导电性的巨大影响。
在投入昂贵的真实实验之前，agi可以在aetos平台上进行大规模的“虚擬实验”，模擬候选材料在极端条件下的表现，进一步缩小范围，將试错成本降至最低。
周昀甚至开始构思，如何將agi的分析结果与自动化材料合成、表徵设备连接起来，形成一个“计算设计—自动合成—在线表徵—数据反馈”的闭环系统，实现材料研发的高度自动化和智能化。
不过想法和现实还是有些差距的，当周昀真正著手將这套“计算驱动材料发现”的宏伟蓝图付诸实践时，才发现理论与现实之间，横亘著一条远比想像中更宽的沟壑。
agi的强大建立在高质量、大规模、標准化的数据基础上，然而，材料科学领域的歷史数据虽然浩如烟海，却存在著严重的“碎片化”和“不兼容”问题，不同实验室、不同时期、甚至不同研究团队所使用的製备方法、测试標准、
表徵手段千差万別，导致数据之间难以直接对比和关联，大量的“失败”实验数据要么未被详细记录，要么散落在个人笔记本或非结构化的pdf报告中，难以被agi有效学习。
周昀不得不分出大量精力，与国內几个主要的材料资料库机构联繫，尝试推动数据標准化和共享，同时指挥agi开发专门的数据清洗和归一化模块，这个过程非常的繁琐。
本章未完，点击下一页继续阅读。