在纳秒级别的复杂体系，还有高温高速下的演化，计算量是不是有点……”
有人迟疑道。
但凡对相关流程稍微有点了解的人，都知道用人工智能来精确的控制制备的每一个过程，是多么天方夜谭的事情。
“我们并不需要人工智能精确的控制整个过程。”
苏定平的手指轻点桌面。
“我们只需要设计一整套制备流程，然后用人工智能来进行筛选……”
确切的来说，苏定平所提供的思路有点类似于用光刻机制造晶圆的过程。
整个过程并不是精密的制造过程，而是一个筛选的过程。
在制备过程当中，不合格的芯片会被筛选掉，合格的芯片会被当成高端产品来出售。
所以在这个制备的过程当中，他们所需要控制的只是最后的筛选过程，而非整个制备过程。
虽然这么做会导致成本依旧很高，但这也是一个不是解决办法的办法。
如果能够严格的控制整个工艺流程，成本虽然高了一点，但整体上来说应该还是可控的。
而那些副产物，也可以当成次一级的产品来处理。
这么算下来，扣掉副产品的利润，成本应该会被压到一个相对来说比较理想的程度。
“如果一切顺利，我们并不需要长时间的占用超级计算机。”
“我们需要的，只是利用计算机的算力，来计算出该在什么时候进行什么样的筛选操作。”
“等到制备的流程规范化之后，只需要在关键的节点进行对应的操作就可以了。”
“所有的问题都解决了，那我没有意见了。”
一位院士拍板说道。
“我支持！”
“我也支持！”
“同意，就按照这个办法来！”
命令下达，整个团队再次高速运转起来。
材料组的成员们开始疯狂整理和输入所有的实验数据、文献中的材料参数。
郭雪云则是带领计算团队，与超算中心进行协作，调整材料摹拟模块，构建并设计高效的反向设计和正向筛选算法。
这是第一次将人工智能和工艺制备结合在一起。
海量的计算在“超级计算机数以亿万计的核心上日夜不息地进行。
一周后，超算部门给出了第一轮筛选出的五个制备方案。
按照这些制备方案，所制备出来的材料各有各的特点，
…。。