有关涡扇技术来源的这些风言风语，如果只是在国内流传，那本质上不会超出小作文的概念和影响力。
但如果国外的报道，而且是严肃报道也参与进来，反倒不是坏事。
实际上，对于一种很快就可能进入量产和服役阶段的发动机来说，诸如结构设计之类的基础信息，是不可能长期不为人所知的。
毕竟你要给基层单位下发维修保养手册等技术资料，而这些东西到了基层，时间一长，要想滴水不漏根本就不可能。
之所以外界对于涡扇的认知会偏差得如此离谱，主要还是因为常浩南的动作实在太快了。
从确定设计方案，到子系统设计，再到部件级测试、台架测试以及目前的装机测试，都在密集的不到三年时间里一气呵成。
尤其是牵扯范围较大的装机测试，甚至集中在年初至今的这大半年时间里。
而且，从设计到测试，全都是一把过，根本没有返工过程，把知情者的数量降低到了最小。
换句话说，见过太行具体长什么样的人别说是退役或者退休，甚至连年假都有可能没来得及放过。
整个项目几乎是在一个半封闭的环境下运转着。
泄密的机会自然就少了。
而对于外界来说，他们也习惯了航空发动机动辄十年甚至更长的研发周期。
涡扇才三年没什么新消息，正常情况下也不会有人往已经推倒重来这个方向去想，现在新发动机横空出世，不靠谱的自然完全是瞎猜，而哪怕是靠谱点的分析人员，也只能往CFM这个唯一的线索上面去先射箭后画靶。
当然，从技术角度来说，总体设计方案这种大面上的信息其实没那么重要。
就比如CFM的总体设计方案，随便找个伺候波音飞机的地勤基本都知道。
甚至发动机本身也跟着客机一起往全世界卖，想拆了研究都可以。
但也没见谁能原样复刻一个出来。
说到底，造航发要是这么简单，那航空发动机也不用当什么工业皇冠上的明珠了。
但如果具体到涡扇上面，倒是可以利用这个信息差――
既然外国人觉得咱这型号是CFM核心机发展出来的，而且还分析的头头是道，那咱就顺着他们。
既不直接承认，也不直接否认，被问起来就是暗示三连：
懂的都懂，不多解释，你细品吧。
这么一来，至少也能让西方阵营内部来一轮狼人杀――华夏人把CFM玩的这么溜，那肯定是我们中出了一个叛徒，把相关技术资料给卖了。
最后就算此事不了了之，或者涡扇的实际情况过些年被曝光出去，也能达到破坏对手内部关系的效果。
而且，法国人在这个敏感的时间节点找上航空动力集团搞合作，大概率也是与此有关。
毕竟CFM集团就是斯奈克玛和通用电气联合成立的。
只是暂时还不清楚，对方到底是想要调查“技术泄露”的情况，还是有什么其他目的……
想到这里，常浩南重新拿起电话，拨通了章亮平办公室的内线号码……
……
他交给章亮平的任务，显然不可能在一两天内就完成，因此，在处理完这个小小的突发情况之后，常浩南还是按计划回到学校，开始着手开发具体的流形学习算法。
相比于之前投稿给数学年刊的那篇纯理论论文，这才是他重点关注的方向。
国庆节之前，常浩南已经整理出了两个基本的算法思路，由姚梦娜和他分别选择一种继续研究。
虽然他现场构思出来的结果不可能一步到位就是最优解，但至少足够有代表性。
第一类是全局思路，在降维时将流形上邻近的点映射到低维空间中的邻近点，同时保证将流形上距离远的点映射到低维空间中远距离的点。
而第二类则是局部思路，只需要保证将流形上近距离的点映射到低维空间中的邻近点。
比较起来，前者更加直观，但计算复杂度很高，对于硬件水平和算法设计来说都有一定挑战。
局部思路更加抽象一些，且距离较远的点与点之间的对应关系不明确，但计算量比较小，似乎更适配眼下这会的计算机性能。
而这一次，是姚梦娜主动在几天后找到了常浩南。
不过，并不是因为前者已经按照全局思路构造出了算法。
或者说，确实搞出了算法，但发现走进了死胡同。
“常总，我用构造出来的等距映射算法对三维空间中的二维流形【t，s，X】进行了数据点生成优化测试。”
姚梦娜把几张纸放到常浩南的桌上：
“对于完整的曲面，算法的效率还算不错，基本恢复出了完整的S-曲面的生成坐标。”() ()
“但如果我在二维流形上挖掉一个长宽都是π的正方形区域，相当于在表面开一个洞，这在实际应用中是很常见的情况，那么生成出来的坐标就会发生扭曲，导致空洞的面积变大，而且成为了一个近似椭圆形的区域……”
“……”
简单来说，就是不好用。
“流形存在空洞，就意味着与流形等距的欧氏空间的子集非凸，计算流形上样本点间的最短路径时所产生的偏差增大……”
姚梦娜发现的这个问题，对于常浩南来说也是尚未研究过的领域。
好在全局思路比较直观，所以他可以现场分析。
“也就是说，要想使用等距映射算法，或者扩大一些来说，要使用全局算法，那么流形对象就要满足等距于一个欧氏空间子集以及这个子集是凸的条件。”
常浩南轻轻顿了一下手中的圆珠笔，最后总结道。
这算法本身毕竟是姚梦娜一点点优化和修正出来的，因此她这次倒是跟上了常浩南的思路。
“所以说……”
姚梦娜面露难色：
“你之前就知道这条路走不通了？”
“咳咳……那倒没有。”
常浩南当即否认：
“我也是刚刚听了你的解释之后才想到……”
“其实，我这段时间都在研究如何改进局部线性嵌入算法。”
他说着打开自己的电脑，然后从旁边抽出一张纸，铺在键盘旁边：
“LLE最大的问题是，它采用的采用的局部权并不能完全的反映出高维流形的局部几何结构，因此对于奇异或者接近奇异的系统，需要人为加入一个正数γ，但γ的选取对于结果的干扰很大……”
“……”
说来也怪，在写完那篇论文之后，常浩南就发现自己的思维方式似乎跟过去出现了一些不同，具体来说就是变得更加连贯和顺畅了。
一番时间长达半个小时的介绍下来，不光他自己完全没卡壳，就连在旁边听着的姚梦娜都没感觉有太多听不懂的地方。
“所以。”
常浩南把笔放到一边，用笃定的语气说道：
“很显然，采用多组线性无关的权向量来构造局部线性结构，就可以改善最终的嵌入结果。”
姚梦娜沉默了一会，然后点点头：
“确实是这样。”
两人继续陷入沉默。
“说起来，我们最早开始研究流形学习，好像是为了……解决脉动生产线的自动化检测问题？”
又是姚梦娜打破了沉默。
“嗯……”
常浩南点了点头：
“不过我们现在研究的内容，确实还没办法直接应用到你的课题上面。”
流形学习只是一个数据降维的过程而已，充其量算是解决了实现自动化生产道路上诸多阻碍中的一个。
听到这个判断，姚梦娜叹了口气：
“果然，我的想法可能还是有点太激进了……”
那确实激进。
她的计划要是完全实现，那厂直接可以把工人撤出来，改黑灯工厂了。
不过，常浩南紧接着又话锋一转：
“不过，这个改进LLE算法，倒是可以在其它领域发挥作用。”
无心插柳柳成荫了属于是。
“比如呢？”
姚梦娜眉头微皱，看着面前纸上密密麻麻的公式。
“比如……信息检索、数据筛查……”
说到一半，常浩南意识到这些好像也不算是具体的“应用”，只能算是应用层面的技术。
于是稍微思索了一下：
“如果要往具体的生产环节靠拢的话……大概……设备状态监测和故障自动诊断？”
实际上，这个算法如果推广开，应该还是能在不少领域发光发热的。
只不过常浩南一时间只能想到自己的老本行了――
比如一架飞机，它出了故障。
过去，只能由地勤慢慢进行排查。
而如果这架飞机有足够的传感器，并且能够对传感器反馈的数据进行有效筛选和分析，那么飞机的航电系统自己就会判断故障发生的具体位置和情况。
甚至，在故障还只是端倪的时候，就扼杀在摇篮当中。
只是操作起来还要克服一些困难。
比如眼下的传感器个头都比较大，很难往一架飞机里面塞进去足够的数量。
但无论如何，这显然是一项相当有潜力的技术。
但如果国外的报道，而且是严肃报道也参与进来，反倒不是坏事。
实际上，对于一种很快就可能进入量产和服役阶段的发动机来说，诸如结构设计之类的基础信息，是不可能长期不为人所知的。
毕竟你要给基层单位下发维修保养手册等技术资料，而这些东西到了基层，时间一长，要想滴水不漏根本就不可能。
之所以外界对于涡扇的认知会偏差得如此离谱，主要还是因为常浩南的动作实在太快了。
从确定设计方案，到子系统设计，再到部件级测试、台架测试以及目前的装机测试，都在密集的不到三年时间里一气呵成。
尤其是牵扯范围较大的装机测试，甚至集中在年初至今的这大半年时间里。
而且，从设计到测试，全都是一把过，根本没有返工过程，把知情者的数量降低到了最小。
换句话说，见过太行具体长什么样的人别说是退役或者退休，甚至连年假都有可能没来得及放过。
整个项目几乎是在一个半封闭的环境下运转着。
泄密的机会自然就少了。
而对于外界来说，他们也习惯了航空发动机动辄十年甚至更长的研发周期。
涡扇才三年没什么新消息，正常情况下也不会有人往已经推倒重来这个方向去想，现在新发动机横空出世，不靠谱的自然完全是瞎猜，而哪怕是靠谱点的分析人员，也只能往CFM这个唯一的线索上面去先射箭后画靶。
当然，从技术角度来说，总体设计方案这种大面上的信息其实没那么重要。
就比如CFM的总体设计方案，随便找个伺候波音飞机的地勤基本都知道。
甚至发动机本身也跟着客机一起往全世界卖，想拆了研究都可以。
但也没见谁能原样复刻一个出来。
说到底，造航发要是这么简单，那航空发动机也不用当什么工业皇冠上的明珠了。
但如果具体到涡扇上面，倒是可以利用这个信息差――
既然外国人觉得咱这型号是CFM核心机发展出来的，而且还分析的头头是道，那咱就顺着他们。
既不直接承认，也不直接否认，被问起来就是暗示三连：
懂的都懂，不多解释，你细品吧。
这么一来，至少也能让西方阵营内部来一轮狼人杀――华夏人把CFM玩的这么溜，那肯定是我们中出了一个叛徒，把相关技术资料给卖了。
最后就算此事不了了之，或者涡扇的实际情况过些年被曝光出去，也能达到破坏对手内部关系的效果。
而且，法国人在这个敏感的时间节点找上航空动力集团搞合作，大概率也是与此有关。
毕竟CFM集团就是斯奈克玛和通用电气联合成立的。
只是暂时还不清楚，对方到底是想要调查“技术泄露”的情况，还是有什么其他目的……
想到这里，常浩南重新拿起电话，拨通了章亮平办公室的内线号码……
……
他交给章亮平的任务，显然不可能在一两天内就完成，因此，在处理完这个小小的突发情况之后，常浩南还是按计划回到学校，开始着手开发具体的流形学习算法。
相比于之前投稿给数学年刊的那篇纯理论论文，这才是他重点关注的方向。
国庆节之前，常浩南已经整理出了两个基本的算法思路，由姚梦娜和他分别选择一种继续研究。
虽然他现场构思出来的结果不可能一步到位就是最优解，但至少足够有代表性。
第一类是全局思路，在降维时将流形上邻近的点映射到低维空间中的邻近点，同时保证将流形上距离远的点映射到低维空间中远距离的点。
而第二类则是局部思路，只需要保证将流形上近距离的点映射到低维空间中的邻近点。
比较起来，前者更加直观，但计算复杂度很高，对于硬件水平和算法设计来说都有一定挑战。
局部思路更加抽象一些，且距离较远的点与点之间的对应关系不明确，但计算量比较小，似乎更适配眼下这会的计算机性能。
而这一次，是姚梦娜主动在几天后找到了常浩南。
不过，并不是因为前者已经按照全局思路构造出了算法。
或者说，确实搞出了算法，但发现走进了死胡同。
“常总，我用构造出来的等距映射算法对三维空间中的二维流形【t，s，X】进行了数据点生成优化测试。”
姚梦娜把几张纸放到常浩南的桌上：
“对于完整的曲面，算法的效率还算不错，基本恢复出了完整的S-曲面的生成坐标。”() ()
“但如果我在二维流形上挖掉一个长宽都是π的正方形区域，相当于在表面开一个洞，这在实际应用中是很常见的情况，那么生成出来的坐标就会发生扭曲，导致空洞的面积变大，而且成为了一个近似椭圆形的区域……”
“……”
简单来说，就是不好用。
“流形存在空洞，就意味着与流形等距的欧氏空间的子集非凸，计算流形上样本点间的最短路径时所产生的偏差增大……”
姚梦娜发现的这个问题，对于常浩南来说也是尚未研究过的领域。
好在全局思路比较直观，所以他可以现场分析。
“也就是说，要想使用等距映射算法，或者扩大一些来说，要使用全局算法，那么流形对象就要满足等距于一个欧氏空间子集以及这个子集是凸的条件。”
常浩南轻轻顿了一下手中的圆珠笔，最后总结道。
这算法本身毕竟是姚梦娜一点点优化和修正出来的，因此她这次倒是跟上了常浩南的思路。
“所以说……”
姚梦娜面露难色：
“你之前就知道这条路走不通了？”
“咳咳……那倒没有。”
常浩南当即否认：
“我也是刚刚听了你的解释之后才想到……”
“其实，我这段时间都在研究如何改进局部线性嵌入算法。”
他说着打开自己的电脑，然后从旁边抽出一张纸，铺在键盘旁边：
“LLE最大的问题是，它采用的采用的局部权并不能完全的反映出高维流形的局部几何结构，因此对于奇异或者接近奇异的系统，需要人为加入一个正数γ，但γ的选取对于结果的干扰很大……”
“……”
说来也怪，在写完那篇论文之后，常浩南就发现自己的思维方式似乎跟过去出现了一些不同，具体来说就是变得更加连贯和顺畅了。
一番时间长达半个小时的介绍下来，不光他自己完全没卡壳，就连在旁边听着的姚梦娜都没感觉有太多听不懂的地方。
“所以。”
常浩南把笔放到一边，用笃定的语气说道：
“很显然，采用多组线性无关的权向量来构造局部线性结构，就可以改善最终的嵌入结果。”
姚梦娜沉默了一会，然后点点头：
“确实是这样。”
两人继续陷入沉默。
“说起来，我们最早开始研究流形学习，好像是为了……解决脉动生产线的自动化检测问题？”
又是姚梦娜打破了沉默。
“嗯……”
常浩南点了点头：
“不过我们现在研究的内容，确实还没办法直接应用到你的课题上面。”
流形学习只是一个数据降维的过程而已，充其量算是解决了实现自动化生产道路上诸多阻碍中的一个。
听到这个判断，姚梦娜叹了口气：
“果然，我的想法可能还是有点太激进了……”
那确实激进。
她的计划要是完全实现，那厂直接可以把工人撤出来，改黑灯工厂了。
不过，常浩南紧接着又话锋一转：
“不过，这个改进LLE算法，倒是可以在其它领域发挥作用。”
无心插柳柳成荫了属于是。
“比如呢？”
姚梦娜眉头微皱，看着面前纸上密密麻麻的公式。
“比如……信息检索、数据筛查……”
说到一半，常浩南意识到这些好像也不算是具体的“应用”，只能算是应用层面的技术。
于是稍微思索了一下：
“如果要往具体的生产环节靠拢的话……大概……设备状态监测和故障自动诊断？”
实际上，这个算法如果推广开，应该还是能在不少领域发光发热的。
只不过常浩南一时间只能想到自己的老本行了――
比如一架飞机，它出了故障。
过去，只能由地勤慢慢进行排查。
而如果这架飞机有足够的传感器，并且能够对传感器反馈的数据进行有效筛选和分析，那么飞机的航电系统自己就会判断故障发生的具体位置和情况。
甚至，在故障还只是端倪的时候，就扼杀在摇篮当中。
只是操作起来还要克服一些困难。
比如眼下的传感器个头都比较大，很难往一架飞机里面塞进去足够的数量。
但无论如何，这显然是一项相当有潜力的技术。