摇了摇头：“就10%吧，我们只是先把池子放在这，好去招人。
Pony，我们现在开始要大规模招计算机领域、材料科学和物理学的复合人才，而且我们只要最顶尖的那种。
我也顺便给你好好讲讲我对阿波罗科技的顶层设计规划。”
Pony作认真状：“林生，请说。”
林燃说：“在你入职之前，我和你提到过，我们要做月球基地，现在相信吴刚0001去了月球南极之后，这点你应该没有太多疑问。
而且你应该会觉得我们的发射特别顺利，几乎没有遇到什么波澜。”
Pony感慨道：“是啊，从我的视角来看，感觉阿波罗科技的任务发射就特别轻松，几乎没有遇到什么波折。”
林燃解释道：“在数学家的眼中，世界是数学的，所以当一件事可以用数学解决，本质上它就没有什么难度。
去月球也好，再往外拓展也好，这些都是目的，我今天和你说的是手段，是我们要怎么做，怎么来实现这一目的。
手段的本质都是数学，其中导航也好、控制系统也好、通信也好，这些是软件。
这些过去我们一直在招人，但根本上我们还需要解决材料的问题。
材料是核心中的核心，我希望能够把它也纳入到数学的范畴中来解决。
为此，我们要研发一款人工智能材料预测的工业软件，大致效果就是输入元素的物理特性，能够推断出材料的特性以及材料的合成路线等等。
Pony，你作为腾讯的前CEO，肯定很清楚游戏的物理引擎，我们可以通过物理引擎来在计算机上模拟现实元素的质感，不同元素之间甚至可以交互，可以形成新的效果。
包括风吹动裙子的质感，都可以直接由引擎给模拟出来。
同样的，用于材料特性的模拟，也是基于相似的理念。”
Pony听完后问道：“我完全能理解，我有几点疑问，首先这个会不会太难了？”
材料是关键谁都知道，654SMO型号的不锈钢能和镍基合金媲美，超级奥氏不锈钢一直到今天都被SpaceX广泛运营。
问题是怎么做。
“当然难，我们也许要坚持非常久才可能有成果。”
（ScienceAdvances2022年5月6日的一篇文章《材料特性的机器学习：可预测且可解释的多线性模型》，ScienceAdvances是Sc
本章未完，请点击下一页继续阅读！