“大家看这里，每一种都是空阻和气压动力常见的影响因素……”
“利用精细化分析计算机神经网络结构的深入分析，能够对每一个影响因素进行阈值的计算，我们设计出了对应的评分体系……”
讲台上，马建泽认真做起了报告。
他做的报告是针对‘多重物理因素影响下的最优平衡性设计’的建模方法。
虽说是‘多重物理因素’，似乎涵盖的范围非常大，实际上，还是限制在空气动力学遇到的应用问题范围之内。
这才正常。
‘多重物理因素’影响的优化建模，都可以说是一个复杂学科了。
这个领域内的每一个问题，都要针对性的进行研究，不存在统一框架可以针对不同问题进行解析。
马建泽讲解的方法，举的实例是‘复杂流场预测’问题。
复杂流场预测建模，是个应用场景广泛的数学物理问题。
马建泽是空气动力学专家，他的研究围绕航空领域展开，报告中所列举的物理影响因素，针对的也都是‘航空发动机优化’问题。
航空发动机优化是通过分析叶片几何特征和气动压力的关系，去优化压气机叶片的设计，从而实现流场特性的实时预测，其中包含了很多的干扰因素。
若是能有一套最优化的数学模型，就会降低叶片设计制造中的实验修正难度，并提升航空发动机的性能。
马建泽先是以模块化视图做数学模型搭建方法的讲解，随后就说起一个个步骤的细节化内容。
他的方法是把各种干扰因素列出来，然后一一进行阈值分析。
下一步是对每一个因素的影响阈值进行评分，评分体系也是整个研究的核心。
马建泽重点讲的也是评分体系。
有了评分体系之后，各个影响因素圈定的阈值就可以做直接性的数值对比，一步步的就能得出‘最优方案’。
会场内，很多学者都在认真的听。
张明浩拿着笔，正在本子上写写画画，他已经处在半听不听的状态。
在马建泽以模组介绍研究方法的时候，他就已经发现了问题，以影响因素的阈值分析来建立评分体系，根本是不切实际的。
针对多重物理影响因素下搭建数学框架的问题，他的研究方法是利用《正确感知》分析每一个部分的‘阈值区域’。