一個製程模型正在對一整族測試結構的實驗數據做 fitting。理論上 fit 出來的參數是製程本身的性質，每一種結構都應該得到同一組。結果沒有。每一種結構都想要自己的數字，而數據本身看起來很乾淨。
Fit 不對的時候，直覺是先懷疑數據，再懷疑實驗，再懷疑操作的人。唯一沒有人懷疑的是模型，因為模型已經用很多年了。整個問題就出在這個假設上，而它之所以看不見，正是因為每個人都這樣想。
拿到設定和不收斂的 fit 之後，Cala 推理有什麼東西會讓製程常數看起來跟結構有關，然後要了那個沒有人拿出來的東西：模型的實作本身，拿來對照底層的物理。
實作在物理上應該是指數的地方用了二次式。在常用的操作範圍內近似到可以混很多年，一旦結構把條件推出範圍，每一個 fit 都被它拗彎。
Model specification note · p. 4
用修正過的形式把每一種結構重新 fit 一次，其他什麼都不動。
所有結構的參數收斂成同一組，跟物理講的一樣。儀器沒問題、數據沒問題、人也沒問題。問題是模型，而講出這件事的，是一個對模型沒有任何感情的推理者。
真實調查，來自早期在產線設備上的測試，改寫到另一種機台上，所以看不出是哪個廠、哪台機、哪些人。推理的部分是真的。
把那件還沒解的帶來。
載入那台機台的手冊，把那個掛很久、一直沒有 root cause 的問題丟給 Cala。把清單看一遍，翻到 citation 指的那幾頁對一下，看看上面有沒有還沒人試過的東西。