天才一秒记住【热天中文网】地址：https://www.rtzw.net
午休的教室格外安静，大部分学生都趴在桌上小憩。
林允宁冲回自己的座位，直接打开笔记本，手指因为兴奋而微微颤抖。
基于刚刚在脑中成型的为系统误差建立参数化模型的思路，他开始对Aether_v2_Robust.py进行模块化修改。
这不再是试探，而是有了一条清晰的、可验证的路径。
第一步，参数化IRF。
他新建了一个函数parameterized_irf，用一个包含宽度、形状和不对称性的偏斜Voigt函数，来定义这个未知的“酱汁”
，也就是仪器响应函数IRF。
第二步，扩展状态空间。
他将这三个新参数加入到MCMC采样器的待求解变量列表里。
算法的任务，从“求解信号”
升级为“同时求解信号与仪器误差”
。
第三步，设定物理先验。
为新参数设定宽泛但符合物理直觉的先验概率分布。
修改完毕，林允宁点击运行。
由于计算量大增，笔记本的风扇的嗡鸣声愈发急促，在安静的教室里格外清晰。
这一次，程序足足运行了二十多分钟。
当多条链的R-hat降至1.01、有效样本量ESS充足时，程序自动停止。
而林允宁也屏住了呼吸。
他没有先看最终的结果，而是第一时间点开了那张最关键的??残差图。
屏幕上，之前那条清晰的W形波纹，消失了。
取而代之的，是围绕着零轴均匀分布的、无规则的随机噪声点。
成功了。
那层讨人厌的“酱汁”
，被他的算法完美地建模并剥离了。
、
为了最终确认，他又做了后验预测检验PPC:用后验样本生成复制数据，对比残差自相关与频谱能量。
毫无意外地，实测显著偏离复制分布??
这再次给出了铁证。
随后，他调出了三张决定性的结果图，深吸一口气，开始整理最终的分析报告。
第一张子图，他将反演出的纯净光谱与原始数据点绘制在一起，两条线在极小的误差范围内高度一致，宣告了信号的成功提取。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！