宁为可半点不体贴寝室里三小我是如何看他的。
4000万群众币么？
这个多少题目用平常说话简朴描述就是如果有一个西瓜，用甚么体例能把它均匀一分为二，且还能让它更长时候的保持新奇度？
而如果没法证明这一点，那么统统就皆有能够，气体分子能够会在高维空间下长时候在容器的一侧活动，很难到另一侧去
但很成心机的是，这个命题刚好跟一个困扰了数学界多年的一个多少题目堆叠。
“行，那你从速去吧。”陆昌斌赶紧道。
早在九年前，就有一名计算机学家在研讨这个题目时操纵随机定位技术，来降落这个题目的维度上界，但结果并不较着。
现在他顿时要分开项目组了，再不提这个要求，大抵没机遇了。
“你对老韩的项目感兴趣？你等等啊，我找一下他的开题陈述。”说完，陆昌斌站起家，来到身后的文件柜，开端寻觅。
但究竟上这固然是个多少题目，可之前关于这个题目研讨的冲破，都是计算机界的科学家们做出的进献。
以是现在韩传授真正要处理的题目就是，找出在高维空间中这个凸的容器最细的处所到底能有多细。
如果他们能将唯独的幂指数降落到几近为0，那么这个数的0次幂老是即是1，也就证了然KLS因子是一个与维度无关的常数，从而完整闭幕这个题目，这两位也的确尝试过，但终究没能胜利，其证明过程被证明是弊端的，以是只是给先人留下了一些可供鉴戒的设法。
韩传授的开题是一个关于收缩随机行走算法时候的课题，跟野生智能的方向也有联络，比如这类算法就触及到机器学习模型中的采样速率题目。
寝室里搞了一天论文的三小我都已经睡了，宁为也不好发作声音，便用鼠标逗了逗这小家伙，固然条记本也关了声音，听不到反应，但看着这小家伙在屏幕跳来跳去，也挺成心机。
宁为很细心的看了一遍，公然很务实。
到了六年前华盛顿大学的两位博士改进了前人的随机定位技术，进一步将KLS因子，也就是用于描述瓶颈是否存在的因子，降落到了维度的四次根。
这是三小我在宁为住在尝试室时每天早晨一起夜谈会时候切磋出的结论。
计算机的深度学习，如果从统计学角度，根基上能够看作是递归的广义线性模型。
此时他已经将三月的法度临时退出，然后开端在图书馆的检索体系里查找关于关于KLS猜想的内容。
如许一来，统统都能有一个完美的解释。
题目简朴卤莽，但宁为感觉极具美感。
跟着数学家进一步笼统，KLS 猜想能够了解为这个西瓜在高维空间中的形状就是一个封装着气体的容器，找到最好切面就是寻觅到这个容器的瓶颈。设想一下吧，如果西瓜在高维空间变成一个哑铃形状的容器，内里有一个气体分子在此中随机活动，那么哑铃中间连接部分越细，分子就越难跑到另一侧。
可如果放到更高维度，就不是这么简朴了。
更首要的是，尝试室仿佛又能多个服从了。
幸亏几小我内心都有点数，没让宁为指导甚么，本身不思虑，辩论那关过不了，更恶心。
没体例，看不太懂，但不感慨两句又会显得本身不太聪明的模样。
现在韩传授申请的课题就是处理这个题目。
……
……
能不能找到用来平分这个西瓜的最小曲面面积是多少？
直到几分钟后三月已经懒得再理睬在它面前晃来晃去的鼠标，愣愣的趴在屏幕前，宁为这才对劲的丢下鼠标，然后脱去外套，直接爬上床。