沙勉之知道王浩也要做報告，還說和自己成爲競争對手，頓時感到有一點緊張。
他曾經是王浩的老師，但王浩早就不是‘印象不深’的本科生了，能在東港大學上研究生、博士的人，都可以稱得上是精英人才，能留校東港大學的博士生，更可以說是‘精英中的精英’。
哪怕是手下最看好的博士，帶過來參加STACS會議的徐傑，也不敢說能百分百留校東港大學。
東港大學，人才太多了！
王浩還屬于非常優秀的那一種，不談材料實驗室的問題，他離開東港沒過幾個月，就完成了好多篇SCI，有幾篇算法論文都是在核心期刊發表的，其中‘傅裏葉變換構建數學模型’的論文，在互聯網行業産生了不小的影響，可以促進大數據分析變得更快捷、精準。
這個成果可以說是頂尖的了。
但是，也正因爲前一段時間的輿論，沙勉之知道王浩剛完成了幾項研究，最初見到王浩根本沒想過他是來做報告的，隻是覺得像是其他學者一樣，來STACS會議隻是爲了漲見識、學習，反倒和他一起的阮海龍，更像是來做報告的。
等和王浩、阮海龍分開以後，沙勉之一行人重新去了會議廳，到電子欄找了一下王浩的報告。
“在最後，二廳，下午第一場。”王明坤快速浏覽了一下，就找到了王浩的報告。
“大數相乘算法？”
王明坤思考着說道，“他才剛完成傅裏葉算法相關的研究，估計就是個改善算法吧。”
他估計着，“小成果，運氣不錯，過稿了！”
“應該是這樣。”沙勉之思考着點了點頭，才剛完成一項重大研究，正常來說，不太可能快速完成另一項，大數相乘算法是個焦點問題，但幾十年都沒有突破進展，而對于算法的改善，提升特定情況下的效率，就隻能歸在‘小研究’行列中。
“王浩，估計就是開個玩笑吧！”沙勉之頓時笑着搖了搖頭。
旁邊的徐傑忽然開口問道，“沙老師，王浩不是數學博士嗎？他怎麽來參加計算機會議？”
沙勉之還沒有說話，王明坤則笑道，“小徐啊，你要是想在計算機的基礎研究方向走的更遠，必須要學好數學，最好是能學個精深。”
“數學，是計算機的基礎，不管是什麽算法，基礎都是數學。”
“如果你的數學好，計算機研究有成果很容易，反過來說，你隻是計算機好，了解的多、能用出來，隻能當個程序員，沒有辦法從事理論、算法的研究。”
沙勉之也笑道，“多聽聽王老師說的，所以我才讓伱多看數學。”
徐傑了然的點頭。
當想到王浩的時候，不由得有些羨慕，對方比自己還小一歲，卻已經完成有影響力的研究，并且能在頂級會議做報告，能和沙勉之、王明坤平等對話。
而他，還隻是個跟着導師的博士生。
……
第二天，會議正式開始。
王浩和阮海龍來的都很早，會場沒有特别安排座位，他們也沒有做得太靠前，隻是在中間找了位置。
過了沒多久時間，沙勉之三人也到了，就直接走過來并排坐下。
上午報告都是在一号會議廳進行的，輪到一些‘不被看好’的報告，才會在兩個會議廳一起進行。
等到了開幕時間後，會議組織方、主席，以及幾個委員評審相繼入場，随後主席上台說了一大堆話，可以簡單總結就是‘會議正式開始’。
STACS會議開幕并沒有那麽複雜，隻是主席說了幾句話，對去年的會議進行總結，然後說一下今年的會議安排，接下來就宣布報告會正式開始。
第一個上場的是個年輕教授，大概隻有三十歲左右，來自巴黎綜合理工大學。
琺國舉辦的會議肯定照顧下‘自己人’。
用一個‘不怎麽重大卻挑不出錯’的研究，作爲開場白讓會議正式進入正軌，也是個非常适合的選擇。
年輕教授說了個對于‘在線算法-正則化雙重平均算法’的研究，内容聽起來有點意思，但隻是研究有了一點小進展，很難吸引在場學者的眼球。
二十分鍾，報告結束。
會場裏有些人禮貌的鼓掌，但多數掌聲都來自前排，來自會議的舉辦方、評審、特邀專家，後排的學者們連象征性鼓掌都沒有。
他們對于‘不感興趣’、‘沒多大意義’的研究，不大喊一聲‘下去’、‘下去’，都已經很有禮貌了。
這就是真實的學術會議。
有實力才能赢得掌聲，沒實力就幹脆别上去，學者們可不懂‘虛情假意的客套’。
王浩對于第一個報告也聽了幾耳朵，發現對自己沒什麽幫助，而且研發進展也很小，沒有比較出彩的地方，就和其他人一樣，也沒什麽興趣了。
等到了第二個報告的時候，他就非常專注的耐心聽了，甚至還用了一個‘教學币’。
其他人也同樣很認真的聽。
第一個報告等同于‘做個開場’，第二個報告、第三個報告則都是比較重要的，是會場評審方認爲是有‘重大意義’的研究。
好多不需要作報告的學者，來參加會議的目的，也是聽取有重大意義的研究，專業性的頂級會議，也是漲見識、學東西的地方，新的研究方向、新的内容，可以讓學者們知道其他人在研究什麽，是怎麽樣完成的研究，就能夠開拓思考，找到與自己研發有關的靈感和方向。
王浩最看重三個報告，今天的第二場、第三場，還有明天上午第三場，也就是沙勉之和王明坤一起的研究。
現在進行的第二場，是一個牛津大學教授做的研究，是對于梯度下降算法計算複雜度的理論研究。
這是非常罕見的。
在應用研究的很多方面都依賴于一種名爲‘梯度下降’的算法，是一個求解某個數學函數最大/最小值的過程，從計算産品的最佳生産方式，到工人輪班的最佳安排方法，‘梯度下降’算法都能派上用場。
但是相對于多方向的應用來說，相關理論研究卻稀少的可憐。
這位作報告的牛津大學教授，從‘梯度下降算法在許多常見問題上效果不佳’，以及‘梯度下降的很多工作都沒有涉及複雜性理論’兩個方向，以數學計算機的方式，研究各類情況問題中的交集問題，從而對于梯度下降算法進行了理論論證。
王浩聽得津津有味，論證中清晰的邏輯剖析，讓他感覺對于邏輯論證的把握都更清晰了。
另一個反應就是--
【任務二，靈感值+1。】
聽取了全程的報告，直接帶來了‘任務二’一點靈感值收獲，明顯收獲是很巨大的。
雖然隻有一點靈感值，但要知道，‘任務二’是破解上帝之數，難度是A級别的，隻是增加一點靈感值，也許會是很重要的提升。
牛津大學教授的報告獲得了一緻贊歎，完成的時候收獲了一緻的掌聲。
沙勉之坐在了王浩的旁邊，忍不住感歎道，“看來，想拿個最佳不容易啊！”他對自己的研究有信心，但要說壓制剛才的報告可不好說，還是要看會議評審組的看法。
下面就是第三場。
會議第一天的第二場、第三場都可以說是壓軸，有了剛才的精彩報告，好多人也期待其了第三場，上場的是來自芬蘭赫爾辛基大學的西彌斯-戈爾利克斯，以及他的同事阿爾馬洛夫。
報告的名稱則是‘快速而準确的最小均方求解’，内容是對于最小均方算法，也就是LMS算法的改進。
西彌斯-戈爾利克斯上台以後，就驕傲的宣布，“我們找到了一種最爲快速、最爲準确的最小均方求解方法，這種方法可以讓計算複雜度降低兩個數量級以上，并且不會損失精度和改善的數值穩定性。”
這句話說出來立刻引起會場一片嘩然。
最小均方求解是許多機器學習算法的核心，能夠讓計算複雜度降低兩個以上數量級，可不是開玩笑的，那已經不是改善，而是‘跨越式的進步’。
比如，計算一個問題需要一億次運算，下降兩個數量級就變成了一百萬次。
這顯然是質的飛躍。
西彌斯-戈爾利克斯開始認真講解說起來，他的同事阿爾馬洛夫則在旁邊做補充講解，他們提出了一個非常新穎的分治法，然後用離散傅裏葉變換算法，充當整體構架的‘掌舵’。
王浩聽到這裏頓時有精神了。
他感覺‘掌舵’内容似乎有些熟悉，再繼續聽下去就明白過來。
後面的研究内容對于自己的‘傅裏葉變換輔助構建數學模型’，肯定是存在一定的借鑒和參考。
“抄襲？”
“不，應該說是應用。”
發表出來的論文内容，被用作其他研究的參考，也是很正常的事情，隻要論文上帶上‘參考文獻’就可以了。
這倒是沒關系。
不過王浩繼續聽下去，就不由得皺起了眉頭，他發現對方的研究是存在問題的，尤其牽扯到離散傅裏葉變換算法，合并‘分治法’支撐降低計算複雜度，到了兩個數量級就出問題了。
報告進行了一個小時左右，西彌斯-戈爾利克斯完成大部分講解，他講解的都是‘大緻方向’，也停下來休息了一下，也讓會場衆人做個消化。
其他人都在驚歎報告成果，王浩則是喊了一句，“戈爾利克斯先生！”
西彌斯-戈爾利克斯馬上注意到王浩，疑惑問道，“這位年輕的先生，有什麽問題？”
會場衆人頓時看過來。
王浩站起來說道，“你的報告很精彩，我指的是前面，但是第二部分，用離散傅裏葉變換對于整體計算進行構架，我認爲，是有問題的。”
“離散傅裏葉變換和你的‘分治法’相結合，在計算超大數或是超多計算量時，比如，超過兆億次計算，所塑造承受的複雜性的核集，不可能把所有的解包含進去。”
“你是依賴Caratheodory定理完成的構造，分治法本身沒有問題，但和離散傅裏葉變換算法相結合，就會出現問題。”
“就是在第二部分，表征凸包點開始……”
王浩用手指了一個方向。
西彌斯-戈爾利克斯沒有回頭，而是滿臉不屑道，“年輕人，你的導師呢？”
“這裏是STACS會議，你要爲你說的話負責。”
王浩輕笑道，“我當然會爲我的話負責。另外，我也是來作報告的，并沒有和‘導師’一起。”最後一句是調侃說出來的。
他繼續道，“而且，如果沒有聽錯的話，從第二部分開始，你們的研究，主要是使用了我的方法。”
新的一周，弱弱的各種都求一下~~~
(本章完)