控温，而且直到现在还在不断的尝试”
对于科研人员来说，一次又一次的失败才是常态，什么时候能够成功，那不仅要靠实力，有时候还需要一点点的运气
哪怕是爱迪生，在发明灯泡的时候，也尝试了上千种的材料进行上千次的尝试才成功的
人尚且如此，AI就更不用说了，尝试几万十几万次失败那是非常正常的事情
但是，AI尝试是几万次的耗时，一天半！
孙博惊为天人也是因为此——一天半，这个时间，科学院的那些人写一次方案的时间都不够！
你这边一次都没搞完，AI模拟，十几万次都过去了！
这样的差距，怎么能不令人绝望？
“绝望什么？”纪弘笑道：“AI的存在就是为人类提供效率支撑的啊！而且，AI的模拟推演，不一定百分百精准，他只是把可能性最大的方法给实验人员筛出来了，然后再去实际生产验证最终还是要走实际验证这一步的”
下边的东西纪弘就看的非常明白了，温控未能起效，AI也是尝试了非常多的其他方案，而其他方案所需要的设备和硬件的参数和数据，更是需要实验室的工作人员去补充
这些参数和数据应该是务必要求精准的，一旦有差，结果可能就会谬以千里了
“也不尽是如此，”孙博立即又找出了一个案例：“比如这组数据，我们的工作人员在输入的过程中出错了，哪怕几重校验都没发现
“但是你看，AI推演了几轮，就告警了，它认为这个数据偏离不符合一般分布，直接让我们确认”
“用的数学分析的方法？”纪弘问道，他知道，数学统计和分析在一定程度上是能够筛出异常数据的
“是”孙博又说道：“但是这种计算，我做不到或者说，我做不到那么快”
“跟AI比速度，你才叫找虐呢！”纪弘嘀咕了一句，然后继续往后看AI的处理，AI最终敲定的方案是：
引入校准光路，标定以及引导光路搭建与调节
而这个方案，实施起来非常之简单，只需要在驱动激光的同轴光路上，加入一个单模低功率绿光激光器就可以了
不仅如此，这个方案还可以同时应用于稳定控制系统的标定
最终形成了这么一套光束稳定控制系统，完成了相关的方案
AI是怎么解决光源长期稳定运行这个问题的，纪弘虽然感兴趣，但他更感兴趣的，是这个分支的AI发生的这些个变化以及应用
根据申再平的工作记录，以及张博按照AI的需求提供的各个零部件的参数以及整理出来的相关资料，依据这次EUV光刻机的研发进程，纪弘总结了如下的步骤：
第一步：将DUV光刻机的成熟方案当作素材输入到了训练库中
第二步：类思维AI将这个成熟方案分解成了若干个模块