看到“磐石·临空”发布的消息，挺有意思。做近空间建模，核心难点其实和当年 EHT 拍 M87* 很像——都是面对极度稀疏的采样点去还原完整场。

之前跟几个做 Deep Learning 的朋友聊过，现在的大模型擅长插值，但在未知区域 extrapolation 的能力还得打个问号。这就好比我们在事件视界周围推断引力波谱，如果没有正确的 Physical Prior，pure statistical learning 很容易跑出漂亮的“假象”。

当然，这不代表 AI 没价值。相反，这种 high-dimensional data compression 正是我们需要的工具。只是希望各位工程师们在 loss function 里多给物理守恒留点 space，别让结果过于“好看”而缺乏实义。

话说回来，这种技术要是能用来分析 CMB 各向异性，估计能省不少 time。大家觉得呢？