贾明磊一愣，
然后脸上露出了几抹惊喜。
当论文讲述完毕，答辩老师没有再提出什么新问题，
最后已经开始进入打分环节的时候，
答辩其实已经算是结束了，
所以，现在顾然的发言，算是对他这篇论文的重视。
这相当于什么？
就是你高考写了一篇作文，
然后改卷老师按照打分标准，给你打了个分数。
这分数不算高也不算低，
你还算满意。
但结果这卷子就要往档案里放的时候，突然被余华看见了，
然后余华一看你的作文，顿感《活着》失色，《兄弟》寡淡，
接着拿着你的作文就在改卷老师面前炫耀：“别急，你看看人家这篇作文。”
这意味着啥？
这意味着本来只是用来应付毕业的论文，
上限将被大大提高，
甚至能够一举改变自己的治学轨迹。
所以，
贾明磊没有丝毫不悦，
反而异常珍惜这个和顾神交流的机会。
赶忙把答辩ppt翻到了前面。
然后认真的看着顾然：“是这里吗？”
在ppt的第十五页，主要讲述了湍流的形成原因和影响因子。
顾然点点头：“对，就是这儿。”
贾明磊小心翼翼的走下了讲台，把自己的论文交到了顾然手里，
顾然走上讲台，然后手指在屏幕上进行着二次答辩。
“氘氚等离子体湍流，简单来讲，就是在磁约束核聚变中智力，由氘和氚离子组成的超高温等离子体，因为电磁场梯度、粒子碰撞和微观不稳定性而引发的混沌流动现象。”
顾然指着屏幕上的几个推导过程：“这位同学已经完整的写出来了。”
贾明磊坐在台下，激动的点点头。
为自己的考虑周到感到庆幸。
一些繁琐的计算和推导过程，是这篇论文的核心，
而对于顾然刚才提的几个因素，贾明磊已经分别进行了分析和研究。
虽然这些研究方向很多人做过，但因为清北大学的查重率很严格，所以他没有偷懒，
完完全全自己从头到尾完成了一次。
这也让他对这部分内容感到十分自信。
“不过课题思路和想法并没有自己的创新，这也是计算大模型的理论误差和实验误差出现差别的主要原因，”顾然道：“我印象里在2006年核工业西南物理研究院就做过类似的课题，大型并行化托卡马克等离子体湍流和运输的数值模拟与理论研究的所有思路，实际上和这篇论文的计算部分没有任何区别。”
贾明磊听着听着，隐隐有了一些不太好的感觉。
一时间都有点分不清顾神这是在夸还是在贬了。
顾然往后翻了两页：“也就是说，这个计算大模型的误差其实从2006年的时候就已经出现了，而到现在也没有解决。”
“这也是可控核聚变始终无法商用的重要问题。”
“简单来讲，我们的理论模型，不足以诠释核聚变过程中的能量和粒子的去留转换问题，”
“所以，我们无法通过计算，有效的对核聚变的能量转换效率进行建设性的提升。”
“这篇论文很好的地方在于引入了人工智能，”
“在算法和算力的加持之下，或许在几秒钟的时间，这个计算大模型就能够完成这二十年来可控核聚变的常规研究的所有计算。”
“但是，就目前来看，这篇论文中的计算大模型，他的数据库是落后且重复的。”
“也就是说，如果想要实现可控核聚变的应用，我们还差一个最核心的问题。”
“那个被我们忽略的能量，去了哪里？”
几位参与答辩的教授，此时放下了手中的打分，抬头看着顾然，
目光中流露出了几分惊讶。
说句实话，顾然提出的问题，他们没有能力回答。
因为这无论是在中核还是物院核研究所，都是金字塔尖上的问题。
这些问题，是交给年轻人去探索的。
对于他们这些清北的博导、教授而言，在校的工作内容更多的是提出一个idea，或者拉经费拉项目。
对于亲身研究，已经停滞了许久。
但是，好巧不巧的是，这个问题在他们还是年轻人的时候就已经出现过了。
他们也曾经发起过冲锋，
只是没有得到答案罢了。
顾然放下手中的遥控，
三两句话介绍了论文出现的问题之后，这个论文也就没有什么价值了。
他双手按在讲台上，然后看向眼前黑压压的人头和手机，旁若无人的说道：“什么是等离子体湍流？”
这个问题，知道的不屑于回答。
不知道的也回答不上来。
在现场的所有学生中，一些非理工专业的学生，听到现在也是单纯的听个热闹。
湍流他们大概有印象，但和等离子体联系起来就蒙逼了。
“在过去，我们对等离子体湍流现象是这么描述的，”
“我们习惯于把氘氚等离子体看作是一批又一批的野马，”
“把托卡马克等核聚变装置看做是一个养马场。”
“然后磁场看做是束缚在这些野马脖子上的缰绳。”
“能量看做野马的奔腾。”
“但是，野马的运动不像计算机程序那么规律有序，”
“于是，在运动的过程中，总会有几匹野马不合群的横冲直撞。”
“这就是微观不稳定性。”
“被这些野马撞得晕头转向的，可能会一头扎在马圈的围栏上。”
“可能会牵连许多野马团成一团打转，形成涡旋。”
“也就是等离子体湍流。”
顾然简单解释了一下之后，紧接着说道：“这个例子用来帮助理解托卡马克装置并没有什么不合适的，”
“但问题在于这种传统的驯马术，”
“这里说的驯马术也就是指物理模型，”
“这个物理模型只能预测一大群野马的整体动向，对于造成湍流的那一两匹‘不守规矩’的野马，我们只是将其简单的定义为误差。”
“所以在这样的物理模型下建立起的人工智能计算大模型，自然也就相当于忽视了这个误差的存在。”
“这也就是计算大模型给出的预测损耗是28%，实验结果却是35%的原因。”