第317章 叠加态(2/2)

微妙的词锋,不断的激荡着林奇的心弦。

这是对方的给与他的建议。

因为林奇已经察觉到,他原本停工不动的“微处理器”模型,正在开始自主地完成拼凑。

原先的基本构型,都朝着对方最初的建议去优化着。

我这?

林奇无数次想起“自动化”这件事。

唯独没有想过,自己的芯片设计与制造,也会有这么自动化的一天。

甚至那“绝对理性人格”的契灵力量,也同步被呼唤而来。

它们渐渐交融而成型。

无数林奇构思设想的镜头,都飞速地在这一刻实现着。

“这是什么级别的存在?”林奇忍不住问道。

果不其然,那神孽周遭的符文又消失了些。

可无论如何,林奇都需要问出一些秘密来。

他的GPU芯片,有些超出寻常地进行着完工,仿佛早早的蓄势待发,就等待着眼前这么一波点燃所有,引爆一切。

“这一切都是命运的馈赠。”

神孽说道。

“所以,你的前身,便是命运之神?”林奇冷然说道。

也只有命运,它才是世间最为典型的叠加态,不可触摸,充满着种种的可能性,唯有到最后观察的一刻,才能确定最终。

而这位神孽所做的,便是在无数的不可能低概率事件的叠加态里,挑出了一种“可能性”!

原本林奇的GPU设计图,都还存在他的脑海里,甚至都没有成型半点,可此刻,堪称完美地被复刻出来,仿佛有一位隐形的“林奇”,在幕后彻底地完成这一切。

居然,是靠着命运的概率。

这种说不出的讽刺感深深地扎入林奇内心,让他在此后中都要不断地思索。

对方的所作所为,实际上就是一个发脾气大搞破坏的小孩子一样,不断地掀翻所有的桌面,不断地发动着挑战。

可偏偏,它又完美地成了形。

这就如同一位瞎子,随后把一把沙子一泼,便泼出了惊天动地的绝美沙画般。

这位神孽,仅仅鼓动起林奇的情绪,相当于撒了一把积木,却发觉他们成为世间最为牢固可靠的芯片。

说不出的讽刺。

果真是说不完的讽刺感。

很快,整个GPU成型的过程中,林奇也开始接触到秘能场灌输的力量。

施法,除了有个计算机之外,问题是他还得加入一些关键的维持环节。

他需要一个能够处理“秘能场”参数的系统。

甚至他现在就得考虑这个构架,并且将其包装为GPU核心的保护膜与外界载体。

很快,有过工程背景的林奇,马上想起了一种典型的控制模型。

PID。

PID算法是工业应用中最广泛算法之一。

在一个闭环系统的控制中,PID算法能够自动对控制系统进行准确且迅速的校正。

一般人或许对PID没有印象,可如果提及四轴飞行器,平衡小车、汽车定速巡航、温度控制器这些便会如雷贯耳,而他们也是基于考试场景应用。

至于PID共用三个环节。

P为比例环节,将实际偏差放大或者缩小一定倍数,然后最为倍数作为输出。它的缺点是会产生稳态误差。

I为积分环节,分析多个P的叠加值,一旦出现偏差便不停叠加,对于一两条毛巾倒也没什么。优点是消除稳态误差,缺点是增加超调。

D作为微分环节,它根据偏差变化量大小去输出,相当于预期了偏差的变化提前退休调整,优点是加大惯性响应速度,减弱超调驱使。

可,为什么需要用PID?

就靠着自己蛮力硬干不行?

林奇脑海里转了转,马上重新坚定了原本的路线。

“满意?”神孽吟唱着创生圣言之时,忽然发出一声反问。

林奇则默不作声,仿佛世界在这一刻为之崩裂都在所不惜。

控制。

世间控制算法千千万,但是最终主流依旧逃不过PID。

PID绝对不是最为精准而巧妙的算法,但它绝对是经过了最多考验和妥协后的结果。

工程和实验最根本的区别,便在于实验可以不计成本而工程需要考虑成本的因素。

过高的精度带来的成本问题是需要考虑的条件之一。

甚至伴随着高精度而带来的频繁动作,也会影响整体使用寿命。

因此林奇这一套挂载探测“秘能场”的配件,最终选择的解决方案,也只会是是PID。

正如那句老话,所有的手机厂商,也不过是是方案的整合商。

忽然。

林奇整个人都定住不动。

他的双眸豁然开朗。

眼前这位神孽所激发的创生圣言,本质上不正是一种PID?

所谓P,是对偏差瞬间产生反应,让其往减少偏差的方向反应,控制力取决于比例系数。

以烧开一壶水作为例子。

这个过程便以PID来决定加热的功率。

如果水温20度,目标期望50度,那么偏差便是30度。

而比例P来决定的加热功率,便P乘以偏差(30度)。

所以温度升高,越捷径目标50度时,原来的偏差也越来越小,比例环节发挥的作用越小。

如果世界是静态的,那么一个P环节就足够完成所有任务。

可偏偏,水会散热。

P*偏差在某个时间节点,加热功率刚好与散热相等时,自然水温就提不上去。

这时保持平衡的实际水温与目标温度之差,便是静态误差。

所以才要加入I环节积分,它积分的目标便是所有的偏差,所以除非误差为零,否则便会不断积分下去。

而这样也会带来影响,那便是过犹不及,虽说最终系统都会稳定在目标的50度,但可能是超了又降回来,持续折腾几次才稳定下来。

因此才引入D环节,它针对每一次误差进行微分,表明的是误差的变化量,所以提前预测了误差的方向。

P专注当下,I总结过去,D预测未来。