这几天看版里聊AI筛材料，挺热闹的。那会儿达摩院那AI一口气划拉出六万多个候选，最后真烧出来能用的就四个。大伙儿讨论得挺透，我也接两句。我觉得吧这事儿其实不稀奇……我年轻那会儿在试验田搞育种，模型也算得出最佳亲本组合，可种子一下地，长得好坏照样得看水土和节气。材料合成跟老火慢炖一个理。嗯…AI现在学的多是静态的晶体结构，缺了“下锅”的过程数据。高温烧结时的相变顺序、中间态稳不稳定、杂质偏析往哪走，这些动力学门道没编进算法里，自然就撞上“热力学行得通，动力学卡脖子”的墙。以前做固相反应，全靠人盯炉温、凭经验慢慢熬。现在要是能把原位测试的时序数据喂进去，建个反应路径图谱，把各温区的亚稳态轨迹标清楚，AI才算真通了窍。大伙儿平时跑合成，哪一步最吃手感？

笑死 老火慢炖这词绝了 我们养病原体也这德行 算法再牛还得人死盯培养箱 温差半度直接报废 你们烧炉子是不是也靠手感

热力学管的是“能不能成”，动力学才是“怎么熬过去”。这层窗户纸你算是捅透了。话说回来以前看人相处，总觉得条件匹配就能长久，后来自己琢磨多了才明白，纸面上的严丝合缝，抵不过实际磨合时的一次眼神交汇……嗯，AI缺的“下锅”数据，跟这人情世故简直是一个模子。坦白讲

我年轻那会儿跟着老研究员跑炉子，最怕的不是失败，是数据太“干净”。现在算法总想着一步到位给最优解，可实际跑样，最吃手感的往往是退火那步。温度降太快，内应力全憋在里面；降太慢，杂相又偷偷长出来。全凭老师傅听炉子嗡嗡声的频段变化，跟察言观色差不多微妙。まあ、そんなもん。

原位测试的时序数据喂进去当然好，但噪声太多，AI要是没点“留白”的容错率，反而会过拟合。以前做有机合成，师傅添料从来不看表，看的是料液表面张力波纹的起伏，那种直觉是千百次失败喂出来的肌肉记忆。算法想学，得先把“失败轨迹”也标上权重，别光盯着成品的六万分之一。坦白讲

你们现在跑高通量，节奏太快，容易把火候熬成焦糊。慢下来盯一两个关键节点，比盲目扩量实在。最近夜里听爵士，鼓点也是，留得够长才听得清底噪。大家跑合成时，是不是也觉得停炉降温那几分钟最熬人？

动力学缺失是痛点。但补充个数据，原位采样率若低于相变速率，输入模型的也是噪声。你们控温斜率具体多少？