实验中的真灰尘与假灰尘

1.      真灰尘太多 

对于实验,我的原则是，如果不是我亲自看着做完的实验，给我的实验结果就不分析了。反正分析也是白费力气，因为可能不是在分析结果，而是在结果中挑错误，你会很害怕吃一碗撒满沙子的饭，我也害怕去分析藏匿很多错误的实验结果。 

这么多年收到了太多的实验结果，交付的实验报告，一年比一年厚，打印的图表从黑白进步到彩色，从普通纸到照片纸。数据图从曲线到曲面，又从二维到三维立体图。

想当年实验结果只有几个数据，藏匿的错误还是有困难的，如今实验结果有数据、有图片、有录像，动辄交付几张光盘，让你觉得实验花的钱很值。面对如此庞大的实验结果，你只能服了，挑错误就是大海捞针啊。 

坐在家里等实验数据送到手上，一切都晚了，错误已经产生，它们躲避在几百页的实验报告底下，等待你去刨。

从表面看没问题，一切都按照常识该高的高，该低的低（不符合常识的数据都被删除或掩盖了）。但是数据的缝隙里充满大大小小的错误，仔细拿放大镜观看就会发现一些怪异的细节。犹如一个美女脸庞用放大镜看布满了毛孔趴着螨虫。我只有本着福尔摩斯破案的精神，去看待实验数据。 

刨错误的原则：不怕不识货就怕货比货。

用国际公认的结果去核对基本实验状态（实验一定要有个基本的简单状态）

用部分数据去推算其他数据，看看和实验结果是否一致（单独拷问犯人，他会招供同伙）

用数据、图片、录像相互对比，（曾用图片中量出的角度发现了数据的错误）

用类似的仿真和实验数据去校核新的数据。（这个方法用的最广，但是不好用，因为不排除两组数据都是错误的） 

2.      新发现会成为假灰尘

你认为我是有怪癖，何苦为难弟兄们，数据基本对了就可以了，何必深究。确实，天平上的灰尘不会影响大事，我们还是可以得到铁比棉花的比重大这种显而易见的事实。

做实验如果是：

为了验证我们早就知道的结论

为了显示我们的工作很有分量

为了支持我们的设计和仿真是对的

还是……说明项目需要花很多钱 

为以上的目的，我无话可说。你对了，只要实验模型足够大，实验状态足够复杂，实验图片足够绚丽，实验现场足够热闹，你就完成了一次完美的实验。 

做实验应当是:

为了发现用其他方法无法发现的新现象

为了发现我们的分析是否合理

为了发现设计和仿真可能出现的漏洞

还是……..提出新的设想 

用满是灰尘的数据你如何有任何新发现？即使找到了与已有知识不同的现象，你如何说明这是误差还是新发现？你只能用这是似而非的数据去验证原本就不用实验再来验证的结论。

对于那些新现象，你如何证明这不是测量错误、实验系统错误，所以只能给它们一概标上“误差”，成为你眼里的“假灰尘”。 

我们的实验结果往往都很和谐，无数次重复发现已经被验证的结果，无法撼动任何已有的结论。即使再昂贵的实验，也只能步人后尘，难以有任何新发现，只有真假难辨的“灰尘”。

也有大胆之徒，或者天真到不知道手里的真灰尘，拿起一个异常数据，就胆敢声明要推翻世界。也不知道是他推翻了世界，还是气倒了世界。

如果你是真心要做些事情，那么在擦干净实验结果中所有的灰尘之前，请不要期望有任何发现。世界是公平的，上帝不会吃那碗有灰尘的饭。 

 假作真时真亦假，真作假时假亦真。

3.      重物不重人

再责怪这些做实验的老实孩子，太对不起他们。其实他们心里也难，报价单里人工费基本可以忽略，实验方案是附送的赠品，只有设备和模型是经费的主角，实验状态是经费的度量衡。这种文化就造就了这个死循环：

好设备+粗心+不合理实验方案→出错不自知→现象与误差同在，鸡肉与鸡毛一锅→无法有成果→实验水平低→买新设备。

这个死循环已经玩了很多轮，我们看到的是经费飞涨、报告成堆，结果多多、不见成果。我们坚信实验中最重要的是设备，相信只要设备高级实验结果就准确。

实验中人的重要性，被洪水一般的经费淹没了。我们可以为放大模型尺寸多花几百万，也不愿意为一个优秀的实验方案出个价格，实验方案只是实验中的赠品。我们可以投几个亿购置设备，但是不能拿出几十万给一个优秀的实验员。

还是我老妈的话到位，“别要那没用的，吃到肚子里才是赚了”。我们只有花钱买了铁疙瘩，摆在面前，才觉得钱花的值，人？几斤几两？

有一天，我们觉得人是最重要的因素，相信发现和创新是因为优秀的人才，而且给与他们合理的重视，我们就可以超出铁疙瘩的水平，挺直腰杆，提出我们自己的发现。 

真希望我说的都是假话。