实验室中大家的忙碌已经告一段落，接下来就是观察实验反应中各个步骤的参数，也是验证陈辉模型准确度的时候了。

张星看着在总控台上陷入长考的陈辉，一时间心情复杂，他们还是很佩服陈辉的，随时随地能够进入深度学习的状态，这是很多学者梦寐以求的天赋，他们也有些明白为什么陈辉能够取得那么多瞩目的成就。

可这个家伙只用十几分钟就捣鼓出一个模型，让他们来验证，总感觉有些儿戏。

哎！

陈辉轻叹一声，揉了揉有些发酸的脖颈。

“老师，要不，休息一会儿？”

蔻依有些担心的问道，老师趴在总控台上，这一趴就是两个多小时，铁人都扛不住吧。

陈辉摆摆手，他感觉已经有些灵感了，却又感觉脑中一团浆糊，灵感并不明晰。

“蔻依？”

“留学生？”

“因材施教！”

忽然，看到蔻依的陈辉脑子里陡然冒出这几个词语，宛若暴雷劈中的枯木，只留下一段焦黑的枯枝，但在那枯枝下，有一缕嫩芽悄然生长。

既然各种物理场的时空尺度不一致，那为什么非要使用同样的时间步长呢？

针对时间尺度分离问题，完全可以采用多时间步长策略，

将全局时间步长设为流场的特征时间Δtflow，在每个全局步内：

1.流场直接推进Δtflow；

2.温度场以更小的时间步长（Δttemp=Δtflow/n，n=10100）推进，利用流场的结果作为边界条件；

3.应力场以更小的时间步长（Δtstress=Δtflow/m，m=1001000）推进，仅在高应力梯度区域，比如固液界面进行精细计算，其余区域采用准静态近似。

引入“局部时间步长”技术，仅在需要高精度的区域（如界面附近）使用小时间步长，其他区域使用大时间步长，平衡效率与精度！

这何尝不是另一个维度上的因材施教呢？

想通关键问题，一切都豁然开朗，陈辉快速在草稿纸上推演起来。

“成了！”

“真的成了！”

忽然，实验室中爆发出一阵惊喜的欢呼。

正在进行实验验证的杨驰张星等人激动得手舞足蹈，只有以此才能表达自己心中的激动之情。

通过DFT计算Ga和O的形成能，修正LSW模型的扩散系数公式后，使用陈辉给的模型，熔体生长速率预测误差从25%降至5%！

刚才他们进行了十组实验，每一组的误差都在4%-7%之间。

张星都不敢相信自己的眼睛，总控台上那个家伙只用了十几分钟时间，就做出了这种成果，那他们这两个多月时间，在干什么？

这还是陈辉根据以往数据粗略算出来的模型，如果在产线部署在线传感器，红外热像仪、气相色谱仪等，实时采集温度、气体成分数据，再通过贝叶斯优化算法动态修正模型参数，这个误差数据还会进一步缩小。

再看向陈辉时，张星的眼神已经变了。

这家伙简直神了！

不仅是张星，那些才刚加入实验室的研究员们都震撼莫名。