第八百三十八章:顺利的电磁研究工作 (第1/2页)
九五免费小说 www.x95mf.com,最快更新大国院士!
第八百三十八章:顺利的电磁研究工作
航天领域内部的会议依旧在召开,针对月面轨道质量投射器的讨论火热的进行着。
会议室内,除了各领域专家学者针对各个细节的提问与建议外,其他最多的,恐怕就是对国家为何会突然开始这种‘科幻级’的工程,以及到底是谁提出来的这项技术了。
而毫无意外的,所有人脑海中都浮现出了一个年轻的身影,以及脑海中浓浓的羡慕。
对于在场的所有人,哪怕是院士级的大佬来说,就没有不羡慕那个人的。
还不到而立之年,就已经站在了学术界的巅峰。
两院院士的头衔、菲尔兹奖和诺贝尔奖双得主,从名誉这一块,他已经站在了最巅峰,可以说是史无前例的的第一人了。
而在科研这一块,就更不用多说了。
或许大部分学术界的人都羡慕他手握好几个千亿级项目,但知道内情的人更羡慕的是,他所有的研究,在高层那边从来都是单独讨论的。
不需要通过科学技术蔀的审核,也不需要自然科学基金委员会管理的经费。
别人眼中的超级工作,在他手里只不过是动动嘴,和上面说一声而已。
就如同这次的月面轨道质量投射器,这种在航天界看起来都极为科幻的项目,耗资千亿的超级工程,却不过是他一个人,一封信的成果而已。
当然,绝大部分的学者和科研人员也仅仅是羡慕而已。
或者说,就算是羡慕,这种事情也羡慕不来,只能在心里将其当做‘神话’一般看待。
毕竟徐川所完成的那些技术和成就,随便抽一样出来,都是其他人需要用一辈子的时间去研究,甚至都完不成的。
如同可控核聚变技术。
就在五年前,它还被学术界称为‘永远的五十年’。在当时谁要是说五年后可控核聚变反应堆能照亮整个神州大地,恐怕谁都会认为他肯定是疯了。
然而现在,这个可以说是幻想的故事,已然真实的发生在了这片红色的大地上。
能够做到这种地步,无论是放到哪个国家,恐怕和他相关的事情都只会是特例特办的。
就在航天局关于月面轨道质量投射器+月球轨道空间站的研讨会进行着的时候,这个项目的发起人,却将自己关进了紫金山脚下的别墅中。
高弘明的动作很快,在徐川提出了要电磁轨道炮项目的实验数据后,仅仅是两天的时间,便从军方以及有相关实验的研究机构和单位手中拿到了完整的实验数据。
坐在书房中,徐川用嘴叼着一袋酸奶,双手在键盘上噼里啪啦的敲击着。
针对电磁轨道炮内部的磁场建立一个数学控制模型,难度极大。
其他的不说,三维椭圆电磁场与高维大尺度反散射问题的分析与计算就是世界知名的数学难题。
这个问题具有重要的科学和工业应用,包括 PDE系数的确定、初值重构、场源函数的估计、界面或者边界条件的检验等等都要求求解不适定的非线性算子方程可以说几乎都来源于对它的研究。
而更关键的是,它还涉及到电磁场的反射、涡流、扩散等效应,导致复杂程度更上一层楼。
毫不夸张的说,这个问题的复杂度,已经能够和一些T1级别的数学猜想相比较了。
当然,复杂度是复杂度,并不是难度,这两者还是有区域的。
尤其是对于徐川来说,应对这种高复杂度的问题,也不是第一次了。
毕竟当初NS方程那么复杂的千禧年难题,他同样也搞定了。
抽丝剥茧,找到解决问题的线头,然后沿着它一路清理下去,一个个的解决掉阻拦在面前的问题,他就是这样干的。
听起来很简单,但是要从一团如同被猫玩弄过无数天的线团中找到最关键的线头,本身就是一件极难的事情。
更何况,在抽丝剥茧的过程中可能会遇到的那些难题了,每一个都不是那么容易就解决的。
别墅,书房中。
徐川正在和AI学术助手小灵进行沟通。
和其他的数学家解决难题一样,在面对一个复杂度极高的问题时,他最先开始要做的,同样是查找收集阅读各种与之相关的论文和文献资料。
不过相对比以前需要自己动手或者说让学生助理帮忙动手,耗费掉大量的时间来搜集这些资料来说,现在他收集这些资料的速度,就要快太多了。
只需要锁定一个细致的范围和分类,将需要的论文方向和文献资料领域告诉AI学术助手小灵,它就能够在极短的时间内搞定这些。
虽然说小灵搜集到的论文资料还需要徐川亲自再过一遍,但相对比以前自己去海量的论文中筛选来说,这已经能够极大的节省他的前期准备工作和时间了。
花费了两天的时间,将小灵收集到的论文资料过了一遍后,坐在书桌前,徐川从抽屉中抽出来一叠稿纸,平铺在红木书桌上。
目光落在捏着的笔尖上,思忖了好一会后,他在稿纸上写下了第一个数学工作。
【(+ k)u =0,在 Dc中, u = u^s + u^i, lim|x|→∞|x|^(n1)/2·(u^s/|x| iku^s).】
这是为赫姆霍兹方程,也是数学界常用于解决电磁场散射难题的工具之一。
通俗的来说,如果一个问题所涉及的是偏微分方程(PDE)的反问题。
那么这类问题一般有以下形式:给定一个 PDE以及方程解 u的一些信息(基于实际应用考虑,这些信息应较容易通过测量得到,比如边界值或无穷远处的渐近行为等等。
再以此反演出 PDE中的一些未知信息,如系数、定义域,甚至模型本身。
(本章未完,请点击下一页继续阅读)