这在机器学习领域有一个名字，叫做信息瓶颈。
无论你的网络架构多复杂，训练策略多精巧，精度都不可能超过训练数据本身的分辨率。
……
陆晨继续往下看，又发现了第二个问题。
诺盛的模型在处理纤维交叉区域时表现明显下降。
他们的补充材料里有一张表格，展示了不同解剖区域的分项精度。
在直行纤维束区域，精度确实能达到三十四微米。
但在纤维交叉和分叉区域，精度骤降到了五十八微米。
而脊髓损伤的修复恰恰需要在纤维交叉最密集的区域进行精确操作。
五十八微米的精度在那种环境下根本不够用。
这是一个致命的短板。
陆晨把两个发现整理成了一份简洁的技术备忘录，总共不到两千字。
每一个论点都附了论文原文的截图和对应页码。
然后他把备忘录同时发给了方芷晴和宋怀远。
邮件标题是“诺盛预印本技术分析：不构成实质性威胁”。
发完邮件之后，他又花了半小时把备忘录中的结论翻译成了英文版本。
这个英文版本不是用来发表的，而是给方芷晴的专利律师准备的。
如果诺盛的PCT专利真的推进到实质审查阶段，这份技术分析可以作为对抗依据。
全部做完的时候已经是凌晨一点半。
方芷晴几乎是秒回的。
【收到，正在看】
五分钟后，又来了一条。
【信息瓶颈和纤维交叉精度骤降这两个点非常关键，我让律师团队明天就整合进专利对抗方案】
【你说得对，他们的技术路线决定了精度天花板，四十微米就是极限，根本不可能突破到二十以内】
【不构成竞争】
又过了一分钟。
【宋教授也回了，他说他完全同意你的判断】
【另外他让我转告你一件事】
陆晨等了一下，方芷晴的下一条消息弹了出来。
【军方已经正式批准了NR-7的首批大动物脊髓损伤修复实验】
【地点在军区总医院实验动物中心】
【时间定在下周三】
【宋教授点名由你担任术中神经对接的操作者】
陆晨看着这条消息，手指在屏幕上停了两秒钟