天才一秒记住【狂风中文网】地址：https://www.kfzw.net
的RTN原始数据，最后一次输入了进去。
他点击了运行。
这一次，电脑安静地运行了十五分钟。
当进度条走到尽头时，屏幕上没有弹出任何曲线图。
取而代之的，是两样东西。
第一样，是一个文本文件。
文件里，是一条由0和1组成的、极其干净的数字序列，完美地还原了那个电子在“高低”
两个电阻态之间每一次切换的时间点。
混沌，被彻底解析为了秩序。
第二样，是这张数字序列下方的一张参数表。
上面清晰地列出了一组从该序列中精确提取出的核心物理参数，每一个参数后面都跟着极小的置信区间:
【电子被捕获的平均寿命T_C:1.73±0.02ms】
【电子被释放的平均寿命T_e:3.21±0.04ms】
【缺陷能级E_trap:-25.7±0.5meV】
林允宁靠在椅背上，长长地吐出了一口气。
成了!
他立刻将这两份结果，附上一段简要的方法论说明，通过邮件发送给了远在苏黎世的里希特教授。
邮件发送成功的提示弹出。
林允宁看着屏幕上简洁的参数表，心中习惯性地做出了总结。
原来，很多看似混沌的物理现象，其本质都只是一个简单的系统在几个离散的状态间切换。
关键不在于拟合表面的噪声，而在于‘解码’出背后隐藏的状态序列。
这套方法论，也许可以应用到更多领域.......
他的目光不经意间扫过桌面上另一个实验数据文件夹??【AFM_Noise】。
然后。
猛地坐直了身体。
AFM悬臂梁的谐振频率，同样是在两个主要状态之间切换:“未受热扰动”
的基准态，和“受声子热点扰动”
的偏移态。
只是这两个状态的切换，被巨大的机械和电子噪声淹没了。
这和随机电报噪声RTN的问题，在数学结构上，何其相似!
一个念头，如同闪电般划过他因熬夜而略显混沌的大脑。
他刚刚开发的这套方法论??用一个概率模型去“解码”
隐藏的状态序列??
不正是解决AFM噪声问题的钥匙吗?!
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！