马塞尔·施密特无论如何都不会想到，多年以后，当人工智能研究甚至开始占据诺贝尔奖和菲尔兹奖席位的时候，自己只是为了抬杠而脱口而出一句“神经网络也是数学”将爆火出圈，并被该领域研究人员奉为圭皋。

    甚至施密特本人也在某些安抚服务器机魂的仪式当中成为了被参拜的对象之一。

    但这些都是后话了。

    无论如何，在2004年末这个时间点上，《数学进展》选择发表一篇与全局优化以及数据模型有关的论文，都属于是可以让业内轻微地震的大新闻。

    好在论文的作者之一是上届菲尔兹奖的得主，而且这还是其有据可查的第一篇合作论文。

    因此业内的关注重点很快就从文章内容本身过渡到了常浩南所关注的研究方向上面——

    大佬在顶级期刊上发表文章，本身就可以引领潮流。

    而追热点这种事，无论中外，都是绝大多数研究人员都不得不品尝的特色

    荷兰，代尔夫特理工大学。

    约瑟夫·布拉特教授正站在一台白光干涉仪前面，神情复杂地翻阅着电脑屏幕上显示出的一系列测试结果。

    而在距离不远处，他的学生秦少锋正在埋头检查刚刚被面前设备吐出来的一份测试报告。

    “教授，结果已经对比过了”

    几分钟之后，秦少锋把眼镜摘掉放到一边，语气有些失落地开口说道。

    不过，还没来得及说出后面的内容，布拉特就提前打断了他：

    “应该跟前两次测试都对不上？”

    被直接猜出结果的秦少锋先是一愣，接着点点头：

    “同样的被测样品，同样的三维立体测量仪，但是三次测试中的峰谷值差距都在1μm以上，均方根也有0.3μm左右，完全达不到甲方的要求”

    作为一所坐落于低地小国，且所在城市也并不出名的高等学府，代尔夫特理工大学的名气不仅远不如哈佛、麻省、牛津这样的庞然大物，就算是跟隔壁阿姆斯特丹大学相比都远远不如。

    不过，它在光学和光学工程方面却有着相当雄厚的实力。

    而约瑟夫·布拉特，正是该领域最杰出的学者之一。

    他在上世纪70-80年代曾先后供职于飞利浦和ASML，并于1988年转入学术界，随后在光学成像、光存储技术等领域继续做出了一系列杰出贡献。

    并且是欧洲光学学会的创始人之一和现任主席。

    目前他正在跟进的项目，就是受泰勒霍普森公司委托开发一种新的非接触式三坐标测量技术，以对生产面形峰谷（PV）值优于0.1μm的非球面镜片进行检测。

    这个精度对基于原子力分析的接触式测量技术来说并不算夸张，但由于探针需要和工件表面接触，因此并不适用于某些特别脆弱的光学元器件。

    相比之下，采用干涉法和几何光线法的非接触测量显然要友好得多。

    当然，想要达到跟接触式测量相当的精度，难度也要高得多。

    面对已经记不清是这几个月来第几次的失败，秦少锋已经意识到，继续进行重复性试验已经没有太大意义了。

    现在需要的是更换一下思路：

    “是不是考虑重新标定一下设备的公共观测点，这样位置偏移误差或许能缩小一些？”

    他首先提议道。

    面形检测过程中的误差主要来源于三个方面：运动轴误差、探头误差和位置偏移误差。

    前两者对于接触法和非接触法来说并没有太大差别，因此非接触法的精度问题主要就出现在位置偏移误差上面——

    由于没有一个可以直接接触型面，并直接确定测量参考原点的探头，所以非接触设备捕获到的误差数据，本质上相当于面型误差和位置偏移误差的叠加。

    只有通过算法分离掉后者，才能得到相对精确的结果。

    所以秦少锋的思路其实是没错的。

    但重新标定观测点这个办法

    基本相当于电脑出故障以后的“重启一下试试”。

    算是实在找不出具体原因之后，带着点玄学色彩的尝试。