。

乔源也一一作答，许多问题都没经过什么思考。

这种考验他已经经历过无数次了。相对而言，这其实比陆院士和袁老对他的考验要简单得多。毕竟他的老师跟袁老出题的目的是考核他对数学的理解和数学知识的广度，所以很随机。

而这三位问的则大都是围绕着论文本身展开的一系列问题。

要知道这篇论文最过分的考验还是谭景荣去江大的时候，在酒店房间里问的那些问题。

甚至那都是刁难了，乔源都能对答如流。更别提这又过去了近半年，乔源都已经快把结论推广到了非凸和高维的层面。应付几人的问题，自然更加从容。

不但根本难不倒乔源，甚至思想被改造后的乔源，还经常在回答完之后提出一些反问。

比如在乔源回答了迈克尔&183;乔丹一个关于加权sobolev空间的问题后，直接就反问了句：“乔丹教授，你这就又要引出了一个更基础的数学问题。对于一个给定的随机动力系统，其不变测度u女的混合速率与生成元l。的本质谱有何种定量关系？更进一步的说，是否存在一个基于拓扑的判据，使得我们能先验地判断一个非凸优化问题是否具有快速混合的潜力？你们有考虑过这个问题吗？”是的，现在的乔源不但学会了老实回答老师的问题，还会防守反击了。

这些都是他做苏志坚课题在非凸高维推广时遇到的一些难题。

这么反问一句，对方说不上来再提问就会悠着一些，如果讲上个一二三，正好能给他一些启发。毕竟大佬的思想不能浪费了。

比如乔源反问迈克尔&183;乔丹的问题就很鸡贼。

他直接将概率论中的随机动力系统、泛函分析中的算子谱理论以及拓扑学联系在一起，用于解决优化实际问题。这一块其实乔源到现在也不太能拿的准是否合理。

因为这个问题的本质实际上是一种先验判断。

就是在一个问题在丢给计算机计算之前，就先用一个明显的拓扑指标来判断这个问题是否好解。解决的是把一个超级复杂的非凸高维问题丢给计算机，跑了几周的gpu才发现根本解不出来这种尴尬情况。属于最前沿的数学和机器学习问题。迈克尔&183;乔丹又恰好是机器学习领域的泰斗级人物，多少能对他有所帮助……用骆余磬的话说就是这些大佬都被送到你身边了，不用白不用！

至于大佬会不会生气？

反正乔源现在一点都不怕，他退路很多，四通八达的……

事实上也没谁真的生气。

尤其是陆明远，脸上一直挂着笑容，看着乔源发挥。

偶尔开口打两句圆场。

就这样一讨论就是两、三个小时，然后老师又做东请大家吃了顿饭。

等到把大佬们送回住宿的酒店陆明远才放他离开。

这两天乔源几乎都是这么过来的。随着研讨会时间越来越近，来的人也越来越多。

菲尔兹奖大佬乔源这些天都认识了整整四位。

比如考切尔&183;比尔卡尔和阿图尔&183;阿维拉。

前者是代数几何领域的泰斗，后者则是动力系统领域的大佬。

见过之后乔源才知道

章节内容不完整，请退出阅读模式查看完整内容！