斟酌了一番后，许决定统一实验标准，把新标准确定为“9:1的氯仿/dio的混合溶剂，原溶液浓度提升4”。
这样做，也许不会显著提升器件性能，但至少能够避免出现，模拟实验室做出了高效率的器件，但是在现实因为条件不确定，而无法重复出来的情况。
许重新启动模拟实验室ii，参照新的标准，吩咐模拟实验人员，开始优化他和学妹两人最高效率体系的器件加工条件。
周一早上。
许拿到了新的数据，基于他的三代8系列以及学妹的二代b4t-6系列3d-pdi受体的器件，最高效率分别为750和658，前值分别为742和651。
“提升了008和007，马马虎虎吧。”
“不过，再怎么说也是提高了一丢丢的，也没枉费我投入了几百的积分进去。”
对于这个结果，许倒不是很意外，毕竟经过这番优化，实验条件并没发生太大的改变。
效率数据的提升，单纯只是因为实验次数的增加，数据波动到更靠近边界的地方罢了。
从统计学上来看，器件效率总体上是呈现正态分布的。理论上，只要实验次数够多，哪怕均值只有7，也可能波动到8、9、10。当然，能到9、10的概率可能近乎为0，但8还是有机会的。
话说回来，就算凭借运气，在模拟实验室做出来了8，也没什么意义。
除非在现实也能有同样
240 魏老师的阴晴变化（求订阅）(2/6)