只有时间戳。

只有测量轮次。

只有匿名化通道编号。

以及简单的布尔型错误标签。

没有给出匿名通道之间的相对物理邻接图。

没有微波读出线路的复用分组情况。

没有完整的时钟对齐与测量轮次说明。

没有硬件的校准窗口记录，更没有系统的丢帧和空缺标记。

那两百多万条记录在数据库里排列得整整齐齐，像是一支哑巴军队。

它们只能忠实地告诉分析者，哪些警报经常一起出现。

却根本无法告诉任何人，到底是什么力量，让这些警报一起出现。

因此，江临当时毫不犹豫地拒绝接收数据实体，仅仅返回了一份长达六页的元数据补充清单。

就在昨天晚上，研究支持单元发来过一条简短的系统通知。

中科大团队已经咬牙完成了第二轮的补充材料收集。

江临还没有来得及打开那份新文件。

而此刻，阶梯教室投影幕布上的那张深红色相关图，与一个多月前那份材料里提出的核心困境，完美地重叠在了一起。

教授转过身，拿起粉笔，在黑板上用力写下三组假设来源。

【物理相关错误】

【测量错误与读出串扰】

【隐藏状态驱动的时间相关】

“假设，我们现在拥有足够长的时间序列数据，我们也完全掌握表面码的几何拓扑结构。”

教授扔下粉笔，拍了拍手上的粉笔灰。

“各位同学，怎样在纯数学和统计层面判断，我们观测到的这些相关边，究竟来自黑板上的哪一种底层机制？”

前排一名专攻机器学习的博士生率先举手开口。

“可以按不同的校准窗口，分别去拟合动态贝叶斯网络。

写出联合分布，再比较潜在隐变量的图模型结构。

如果在跨越多个窗口后，某条边的连接权重依然保持显着，我们可以通过贝叶斯更新，大幅度提高它属于底层物理相关的后验概率。”

教授并没有被这个听起来很华丽的方案打动，反问道：“每个窗口里的有效数据量，足够支撑你去做无偏拟合吗？”

“可以引入分层贝叶斯先验。”那名博士生显然有备而来，“让相邻的窗口共享底层结构拓扑，每个小窗口只进行参数更新，而不是从头学习结构。”

“那你要共享多少结构，阈值怎么定？”

那名博士生停顿了一下，语气弱了一些：“需要用交叉验证来跑出最优超参数。”

教授摇摇头，说：“你可以用交叉验证选出预测表现更好的共享强度，但不能再用这个结果证明结构在物理上稳定。

否则，你很容易把自己强加进去的先验偏见，当成物理真相重新读出来。”

另一名做时序分析的博士生立刻接过话头。

“教授，可以先不强求恢复完整的生成机制，我们降级去做变化点检测。

芯片的物理拓扑是不变的，但读出系统和微波线路的校准参数会变。
本章未完，请翻下一页继续阅读.........