高，但测定到的结果却出乎意料。
“ />
“比上一次还低？”
“不是计算出错了吧？”
“那不可能，我们只是添加了一個偏差度积累计算的模块，偏差度是一个积累的数据，又怎么会出现错误？”
偏差度是一个积累的数据。
每一次偏差评估计算，都会让偏差度有极为微小的增长。
这样慢慢积累增大的数据，即便中途出现一些计算数值偏大或偏小的情况，也不会对最终结果造成太大影响。
崔凯文让人检查下计算中途数据是否存在异常，结果发现‘粒子数量稀少’区域，输出的偏差度计算数据比其他区域大上几十、上百倍。
但是，整体计算输出的‘偏差度’，依旧比上一次实验的分析结果数值低。
然后，他们进行了第三次分析计算。
这次偏差分析数据没有任何异常结果，但偏差度却达到了‘ />
三次实验分析结果，计算中心就召开了一次讨论会议。
“偏差度，这个数据是一次次偏差评估计算慢慢积累上来的。”
“我肯定算法没有问题。”
“也就是说，计算结果不会有问题。但是，存在‘空气粒子阻碍’的实验，偏差度数值和其他的实验也很类似……”
“这个结果……很惊人。”
崔凯文做报告用了‘很惊人’三个字。
他心里比表面上要惊讶的多。
他说要做小型实验的偏差度分析时，张硕就预估了一个数字，偏差度是在 />
分析结果和张硕预估的完全一致。
崔凯文已经对于偏差度有很深入的理解，他很确定偏差度不会受到算法本身的影响。
这一点，可以通过测试来验证。
比如，给算法程序输入一次假数据，看看结果就知道了。
“这可能是重大发现。”
崔凯文继续道，“不用再继续了，到了墨尔本，