追了几天这个热点，了解了一些超导的有意思的东西，也浪费了一些时间。

这个论文，本身疑点就非常多。从非专业的角度去看这个问题：
1. 专家评论说，从行文看，论文作者对超导的理解非常少。论文写的很差劲。这个有很多人替作者找借口，什么着急发表出来，哈哈，自欺欺人啊。

2. 超导的特性是上下都能悬浮，而抗磁性则不然。但是发布的视频中，演示样品时，明明可以演示上下都悬浮，排除抗磁性的可能，却只演示磁铁在下的情形。这是非常容易展示的，却没有展示，做了一个好东西，然而却不把最关键的特性展示出来，藏着过年吗？

3. 即使是磁铁在下的情形，样品的悬浮状态（无阻尼振动），也不符合超导磁通锁定将样品锁定在固定位置，即使样品由于受力过大超过了磁通锁定的力，出现摆动，也会呈现时过阻尼摆动的样子。

4. 华中科技的博士后？在评论里面说复现了麦斯纳效应，他搞这个的难道连抗磁性和麦斯纳的区别都不知道吗？知道的话，为什么不测试一下磁铁在上的情况？可以肯定，他知道这根本不是麦斯纳效应，所以才不会在第一次视频中演示！

5. 知乎上的那个洗芝溪，评论第一句就是“读了一下文章，从数据上我挑不出什么毛病”，这个与“论文写的很差劲”该信哪个呢？第二句是“关键是他这个材料太符合我的想像了：三角结构、分数占据、分数价态、局域电子的离域化、饱和壳层对导电通道的保护”，真不知羞耻。后面他解释为什么不能磁铁在上面测试悬浮：“我帮他解释一下视频中的疑问，为什么不像正常那样把磁铁倒过来？它这个超导体积分数并不大，从数据上看，抗磁性很弱，能够稍微弹起来一点就挺不容易了，倒过来应该是撑不住的。”。这种毫无依据的找借口的行为，太丢脸。

6. 样品没丢，找人来测呗，HackerNews 上都是这个质疑的声音。不是着急确定诺贝尔的名额吗，让别人闭着眼睛烧，要等到猴年马月啊。


综上，骗局一个！ Not Even Wrong ！

@54qyc 我不清楚哈。

@54qyc
目前看结合 chatgpt 这种 AI 的笔记应用是最合适的。我在 12 楼还说 AI 提供自动化搜索还有段距离呢，但这么快 chatgpt 就出来了。
有了 AI 的加持，提取笔记中的关键词、标签，都不在话下，这种标签结构的构造，其实也没有太大的意义了，都可以由 AI 代劳了。

https://www.islk99replicatedyet.com/ 这个网站还专门申请一个域名。。

这个是抗磁性吧。神奇的磁通钉扎效应呢？
https://www.youtube.com/watch?v=Ws6AAhTw7RA

@vulgur 就是在网页上看的： https://apps.apple.com/cn/app/id1265404088?see-all=reviews
不过刚才又看了下，评论又出现了。不知道怎么回事。

喜欢看楼主的分享，写的很具体，很有开发气息，让人一下子知道 OP 都干嘛了。

关于楼主的作品，我发现一个问题。我一般喜欢翻 AppStore 里面的评论，不过楼主的极简时钟，咋一个评论也没有呢？

都发短信提醒了。

市防汛办提示：我市于 29 日 19 时启动全市防汛红色（一级）预警响应。全市企（事）业单位除保障城市基本运行的外，原则上居家办公或停工停业，减少外出，确保安全。

@nightwitch 原来是这样

想法和实现都挺有意思的。尤其底栏那一句创意十足：
“SELECT insights FROM 26441 uncharted events JOIN 446213 market events...”

没有用过下载器，都是浏览器自带的下载。
Internet Download Manager 这种下载器，有什么优点吗？

@Livid /go/random

我能想像到，这个困境的大概来源了：

OP 公司的代码逻辑很可能是，用 id 的大小比较，去作为事件发生先后(时序)的依据。

这种代码逻辑，当然可以用全局递增的 id 这种方案来解决。不过也可以用其他方案来解决啊，比如保证后续任务的 id 比前置任务的 id 要大，即使分配到了不同的负载。例如可以在一台机器上提前生成任务的 id ，把 id 传递给其他负载。

用全局递增 id 的方案来解决，相比之下就是傻大黑粗！

「代码中存在大量的根据雪花算法生成的 id 排序比大小的操作」。
问题是，你把 workerID 改了，也不影响这种排序比较啊！！因为对于分布式应用来说，数据的产生本来就没有绝对的先后顺序。无论你怎么设置新生的数据的顺序，都是合理的啊！

你们公司的应用，对 2 台机器产生的新数据的排序标准是啥？
你们公司的应用，需要按照绝对时间来排序吗？
你们公司的应用，是抢票程序吗？
你确定，绝对时间存在吗？

digitalocean 的节点，确实解封了，感谢 OP 分享！

口口相传，信任链：
你信任 A ，B ，C ，D ，。。Z 这几个人，信任度递减。
同样的，A ，B ，C ，。。也有各自的信任链。

被最信任的人的最信任的人推荐的，是好的，以此递推。加权相加得到信任值。

对于熟人圈太小无法链接到目标物的情况，可以使用信任中介的数据，比如美食达人。

为什么可以信任信任中介呢？因为信任数据是可以买卖的。

我有一份信任链数据，标好了价格，信任中介也有一份信任链数据，也有标价。信任中介如果收钱虚评，在别人中的信任值就会下降。你可以从自己的信任链中，查询信任中介的可信值，当然是需要付费的。

因为有了经济激励机制，可以形成持久的良性循环。