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。
起初几天，效果似乎立竿见影。模型生成的候选结构中，那些明显不合理的数量锐减，提交到dft计算环节的任务通过率显著提高。
然而，就在陈默准备在周一的组会上匯报这个好消息时，一个尖锐的问题浮出水面。
负责分析dft结果的一名博士生发现，最近几批通过筛选的结构，虽然几何上看似合理，但其电子结构却呈现出一种令人不安的平庸。
它们大多是结构极其稳定、带隙过宽或过窄的绝缘体或导体，几乎不具备作为功能材料的潜力。
换句话说，“万象”似乎学会了一种取巧的方式：为了避免生成“垃圾”，它倾向於生成那些能量极低、极其稳定、但也毫无用处的“超级稳定结构”。
简单来说就是过擬合了。
“老板，情况有点不对劲。”陈默在组会前匆匆找到周昀，展示了分析结果，“过滤器的確拦住了垃圾，但也好像把创造力”一起过滤掉了。
万象”在走向保守，它现在输出的结构，像是经过精心修饰的標准答案”，缺乏创新。”
周昀盯著屏幕上的能带结构图和形成能数据，眉头渐渐锁紧。他预见到优化之路会有波折，但没料到居然会是过擬合的问题。
组会上，气氛变得有些凝重。陈默匯报了筛选率提升的数据，但也坦诚了”
结构平庸化”的新问题。
“这意味著，我们的物理规则过滤器”可能过於强势，或者说，我们给万象”设定的优化目標太单一了——仅仅追求低能量和稳定性。”
周昀一针见血地指出，“它就像一个只会背诵教科书的好学生，能避开所有错误答案，却答不出有创见的题目。”
这甚至还没有原版的万象”好用，所谓的改进完全是负优化。
所有人的心都沉了下去。他们夜以继日的工作，换来的竟是比原始模型更糟糕的结果，短暂的沉默后，周昀敲了敲桌子，將眾人的注意力拉回。
“现在不是沮丧的时候。我们诊断出了问题—一过擬合。那么，解决方案是什么？”
他目光扫过算法组的成员，最后落在陈默身上。“陈默，你认为问题根源在哪里？除了目標函数单一。”
陈默冷静下来后盯著屏幕，快速分析：“我认为有两个层面。第一，正如您所说，优化目標过於强调稳定性和低形成能，相当於给了模型一个强烈的避错”指令，它自然会选择最保守、最安全的路径。
第二，我们灌入的高质量”数据，可能本身就偏向於已知的、稳定的结构类別，模型从中学到的知识”范围太窄，缺乏对未知、亚稳態但可能具备特殊功能的结构的探索。”
“很好。”周昀点头，“所以，我们需要在规则”和自由”之间找到一个平衡点。不仅要告诉模型什么是错”的，更要引导它去发现什么是好”的，甚至是意想不到”的好。”
这个与监督的思想有点类似，但是又不完全一样，他站起身，再次走向白板，擦掉了之前的部分流程图。
“第一，立刻调整损失函数。引入功能潜力作为核心优化目標之一，设立一个创造性奖励机制。
对於生成的结构，只要其电子结构显示出我们预设的、有价值的功能特徵，如適中的带隙、高的態密度有效质量、特定的能带形状，即使其形成能不是最低的，也应该获得高评分。”
“第二，调整训练数据。不能只餵给它標准答案。我们需要刻意加入一些经过验证的、具有特殊性质的亚稳材料数据，甚至是一些看似怪异”但在特定条件下成立的结构，拓宽它的视野”。”
“第三，”周昀笔尖一顿，“在对抗性验证环节，给验证器增加新的评判维度。不仅要判断结构是否合理，还要评估其功能潜力。让万象”明確知道，仅仅存活下来是不够的，必须展现出价值。”
“周老师，这样修改，模型的收敛速度可能会大大降低，而且搜索空间会爆炸性增长，计算成本————”
“我们现在要的不是快速收敛到一个错误的局部最优，而是要以足够的耐心，找到那条通往真正创新的路径，效率暂时下降可以接受，但方向必须正確。”
他看向陈默：“工程线配合，重新配置计算资源，优先保障新算法的测试和叠代。
另外，数据组立刻开始筛选和准备包含亚稳相和功能材料的特殊数据集。”
任务分配下去，实验室再次高速运转起来，重构算法和数据集花费了將近一周时间。首次测试那天，所有人都屏息凝神。
新的“万象”模型开始生成候选结构。与之前相比，生成的结构明显变得更加多样，甚至有些看起来“大胆”了许多。
然而，隨之而来的是dft计算任务的激增，以及更高的失败率。许多结构在几何优化阶段就崩溃了，或者计算出匪夷所思的电子性质。
陈默看著监控平台上跳动的失败提示，眉头紧锁，改进版的“万象”似乎从一个极端走向了另一个极端——创造力有了，但稳定性急剧下降。
连续几天，进展缓慢。筛选率不仅没有提升，反而因为大量结构在dft验证环节失败而有所回落，团队內部开始出现一些焦躁的情绪。
就在此时，周昀做出了一个决定。他叫停了大规模的结构生成测试。
“我们陷入了另一个误区。”他在晚间的小范围討论会上说，“创造性不是漫无目的的隨机发散。我们需要给这种创造”加上一个锚点，基於物理规律的探索。”
他提出了一个全新的概念：“在物理规则过滤器”和功能潜力评估”之间，增加一个结构可行性预测”模块。这个模块不追求绝对精確，而是利用一个轻量级的神经网络，快速预测生成的结构在dft几何优化中的存活概率”。
让万象”在生成阶段，就能有一个初步的、基於经验的手感”，知道往哪个方向创造”更容易產出物理上可信的结构。”
这是一个巧妙的折中方案，相当於给天马行空的创意加了一个符合工程实际的“韁绳”。
算法的叠代进入了一个更复杂的阶段。团队成员们围绕著“结构可行性预测”模块的设计和训练，展开了激烈的討论，陈默协调著资源，確保这个新模块能儘快集成到主流程中。
本章未完，点击下一页继续阅读。