同样的，用于材料特性的模拟，也是基于相似的理念。”
Pony听完后问道：“我完全能理解，我有几点疑问，首先这个会不会太难了？”
材料是关键谁都知道，654SMO型号的不锈钢能和镍基合金媲美，超级奥氏不锈钢一直到今天都被SpaceX广泛运营。
问题是怎么做。
“当然难，我们也许要坚持非常久才可能有成果。”
（ScienceAdvances2022年5月6日的一篇文章《材料特性的机器学习：可预测且可解释的多线性模型》，ScienceAdvances是Science旗下的子刊，用于论证人工智能用于材料特性预测一直有人在做相关研究。）
林燃说到这里的时候，有些许恍惚，主要是因为他过去一直觉得自己博士阶段选修的GraphAI是大坑，结果现在自己又要一头栽进人工智能材料预测这个比GraphAI还更大的坑里去。
这对林燃本人来说也是一个前所未有的挑战。
航天有60年代一整个NASA作为自己的后盾，他们就是阿波罗科技的后备研发力量，还是有教授主导的超级加强版NASA。
材料人工智能，则需要完全依赖自己。
你想在1960搞这玩意，也得有显卡，有算力啊，那时候连深度学习都不知道是什么，压根就不现实。
“非常难，从建构这一人工智能来说，有非常多的困难，从算力层面来说，我们只能和华为合作，这是更大的困难。”
(本章完)