两人正说着往外走,就看到三个人一起走过来,都是华人面孔,就多注意了几眼。
    王浩注意到其中一个地中海发型的人似乎是有些眼熟。
    留着地中海发型的人也同时看过来,盯着王浩看了好半天,试探的喊了一声,“王浩?”
    王浩指了下自己也走了过去,他有些不确定的说道,“您是……”
    好半天还是没想起来。
    “沙老师啊!”
    “哦~~~”
    王浩顿时恍然大悟,“沙老师!”他终于从记忆里找出了地中海发型的信息。
    沙老师,名字叫沙勉之,是专业课《线性模型》的老师,只是教过十几节课,其他也没有接触,自然没多少印象。
    沙勉之记住王浩也是在王浩留校之后,材料实验新闻有了个印象,知道是曾经的学生有些惋惜。
    前一段时间,王浩还登上了网络热搜,一个多月发表十篇论文,被《新华日报》点名报道,东港的教职工好多人都在说。
    沙勉之教过王浩也就多注意了一下,结果没想到会在马赛参加学术会议重新见到王浩。
    身在异国,师生相见,自是感觉亲近了一些。
    虽然王浩因为实验出问题被东港大学‘解聘’,但实际上,东港大学的普通教职工对王浩的事情,也只是听一下、谈上几句而已。
    沙勉之介绍了同行的人,一个是研究的合作者,东港师范大学教授王明坤,王明坤比沙勉之年轻一些,四十左右的年纪,只是中年发福比较严重,看起来有些虚胖。
    另一个则是沙勉之带着的博士生,名字叫徐杰,二十五岁。
    沙勉之给徐杰做了重点介绍,明显是非常看好徐杰的潜力。
    等几个人互相介绍完,沙勉之一行人去签了到,再回来就一起到会场四处看看,会场是在马赛一个著名公园内部,走出会场的环境也很不错。
    边走、边看、边聊。
    沙勉之说起王浩离开东港的事情,也替他喊上几句不平,“这事,也没法说。但我觉得,学校直接解聘就不对。哪怕是实验数据出错,其他人呢?这种问题,肯定不是你一个人的责任。”
    “唉~~”沙勉之说着也叹了口气。
    类似的事情其他人也只能是说说,解聘王浩是学校领导层的决定,有什么办法?
    “都过去了,不提了。”
    王浩不在意的摆摆手,也问起了沙勉之一行人的来意。
    “作报告啊!”
    沙勉之谈到这个也精神了,“我们今年年初的成果,有关io的研究,投稿a+会议完全没有问题,但是我们就看准了stacs。”
    王明坤也颇为振奋的说道,“这次我们准备拿个最佳论文奖回去!”
    “额~~”
    王浩问道,“沙老师,stacs就只会评选一篇最佳吧?”
    “对,这才有意义!”沙勉之肯定的点头。
    王浩犹豫了一下,笑道,“那这次,我们可就是竞争对手了!”
    第五十一章 我当然会为我的话负责
    沙勉之知道王浩也要做报告,还说和自己成为竞争对手,顿时感到有一点紧张。
    他曾经是王浩的老师,但王浩早就不是‘印象不深’的本科生了,能在东港大学上研究生、博士的人,都可以称得上是精英人才,能留校东港大学的博士生,更可以说是‘精英中的精英’。
    哪怕是手下最看好的博士,带过来参加stacs会议的徐杰,也不敢说能百分百留校东港大学。
    东港大学,人才太多了!
    王浩还属于非常优秀的那一种,不谈材料实验室的问题,他离开东港没过几个月,就完成了好多篇sci,有几篇算法论文都是在核心期刊发表的,其中‘傅里叶变换构建数学模型’的论文,在互联网行业产生了不小的影响,可以促进大数据分析变得更快捷、精准。
    这个成果可以说是顶尖的了。
    但是,也正因为前一段时间的舆论,沙勉之知道王浩刚完成了几项研究,最初见到王浩根本没想过他是来做报告的,只是觉得像是其他学者一样,来stacs会议只是为了涨见识、学习,反倒和他一起的阮海龙,更像是来做报告的。
    等和王浩、阮海龙分开以后,沙勉之一行人重新去了会议厅,到电子栏找了一下王浩的报告。
    “在最后,二厅,下午第一场。”王明坤快速浏览了一下,就找到了王浩的报告。
    “大数相乘算法?”
    王明坤思考着说道,“他才刚完成傅里叶算法相关的研究,估计就是个改善算法吧。”
    他估计着,“小成果,运气不错,过稿了!”
    “应该是这样。”沙勉之思考着点了点头,才刚完成一项重大研究,正常来说,不太可能快速完成另一项,大数相乘算法是个焦点问题,但几十年都没有突破进展,而对于算法的改善,提升特定情况下的效率,就只能归在‘小研究’行列中。
    “王浩,估计就是开个玩笑吧!”沙勉之顿时笑着摇了摇头。
    旁边的徐杰忽然开口问道,“沙老师,王浩不是数学博士吗?他怎么来参加计算机会议?”
    沙勉之还没有说话,王明坤则笑道,“小徐啊,你要是想在计算机的基础研究方向走的更远,必须要学好数学,最好是能学个精深。”
    “数学,是计算机的基础,不管是什么算法,基础都是数学。”
    “如果你的数学好,计算机研究有成果很容易,反过来说,你只是计算机好,了解的多、能用出来,只能当个程序员,没有办法从事理论、算法的研究。”
    沙勉之也笑道,“多听听王老师说的,所以我才让你多看数学。”
    徐杰了然的点头。
    当想到王浩的时候,不由得有些羡慕,对方比自己还小一岁,却已经完成有影响力的研究,并且能在顶级会议做报告,能和沙勉之、王明坤平等对话。
    而他,还只是个跟着导师的博士生。
    ……
    第二天,会议正式开始。
    王浩和阮海龙来的都很早,会场没有特别安排座位,他们也没有做得太靠前,只是在中间找了位置。
    过了没多久时间,沙勉之三人也到了,就直接走过来并排坐下。
    上午报告都是在一号会议厅进行的,轮到一些‘不被看好’的报告,才会在两个会议厅一起进行。
    等到了开幕时间后,会议组织方、主席,以及几个委员评审相继入场,随后主席上台说了一大堆话,可以简单总结就是‘会议正式开始’。
    stacs会议开幕并没有那么复杂,只是主席说了几句话,对去年的会议进行总结,然后说一下今年的会议安排,接下来就宣布报告会正式开始。
    第一个上场的是个年轻教授,大概只有三十岁左右,来自巴黎综合理工大学。
    法国举办的会议肯定照顾下‘自己人’。
    用一个‘不怎么重大却挑不出错’的研究,作为开场白让会议正式进入正轨,也是个非常适合的选择。
    年轻教授说了个对于‘在线算法-正则化双重平均算法’的研究,内容听起来有点意思,但只是研究有了一点小进展,很难吸引在场学者的眼球。
    二十分钟,报告结束。
    会场里有些人礼貌的鼓掌,但多数掌声都来自前排,来自会议的举办方、评审、特邀专家,后排的学者们连象征性鼓掌都没有。
    他们对于‘不感兴趣’、‘没多大意义’的研究,不大喊一声‘下去’、‘下去’,都已经很有礼貌了。
    这就是真实的学术会议。
    有实力才能赢得掌声,没实力就干脆别上去,学者们可不懂‘虚情假意的客套’。
    王浩对于第一个报告也听了几耳朵,发现对自己没什么帮助,而且研发进展也很小,没有比较出彩的地方,就和其他人一样,也没什么兴趣了。
    等到了第二个报告的时候,他就非常专注的耐心听了,甚至还用了一个‘教学币’。
    其他人也同样很认真的听。
    第一个报告等同于‘做个开场’,第二个报告、第三个报告则都是比较重要的,是会场评审方认为是有‘重大意义’的研究。
    好多不需要作报告的学者,来参加会议的目的,也是听取有重大意义的研究,专业性的顶级会议,也是涨见识、学东西的地方,新的研究方向、新的内容,可以让学者们知道其他人在研究什么,是怎么样完成的研究,就能够开拓思考,找到与自己研发有关的灵感和方向。
    王浩最看重三个报告,今天的第二场、第三场,还有明天上午第三场,也就是沙勉之和王明坤一起的研究。
    现在进行的第二场,是一个牛津大学教授做的研究,是对于梯度下降算法计算复杂度的理论研究。
    这是非常罕见的。
    在应用研究的很多方面都依赖于一种名为‘梯度下降’的算法,是一个求解某个数学函数最大/最小值的过程,从计算产品的最佳生产方式,到工人轮班的最佳安排方法,‘梯度下降’算法都能派上用场。
    但是相对于多方向的应用来说,相关理论研究却稀少的可怜。
    这位作报告的牛津大学教授,从‘梯度下降算法在许多常见问题上效果不佳’,以及‘梯度下降的很多工作都没有涉及复杂性理论’两个方向,以数学计算机的方式,研究各类情况问题中的交集问题,从而对于梯度下降算法进行了理论论证。
    王浩听得津津有味,论证中清晰的逻辑剖析,让他感觉对于逻辑论证的把握都更清晰了。
    另一个反应就是——
    【任务二,灵感值+1。】
    听取了全程的报告,直接带来了‘任务二’一点灵感值收获,明显收获是很巨大的。
    虽然只有一点灵感值,但要知道,‘任务二’是破解上帝之数,难度是a级别的,只是增加一点灵感值,也许会是很重要的提升。
    牛津大学教授的报告获得了一致赞叹,完成的时候收获了一致的掌声。
    沙勉之坐在了王浩的旁边,忍不住感叹道,“看来,想拿个最佳不容易啊!”他对自己的研究有信心,但要说压制刚才的报告可不好说,还是要看会议评审组的看法。
    下面就是第三场。
    会议第一天的第二场、第三场都可以说是压轴,有了刚才的精彩报告,好多人也期待其了第三场,上场的是来自芬兰赫尔辛基大学的西弥斯-戈尔利克斯,以及他的同事阿尔马洛夫。
    报告的名称则是‘快速而准确的最小均方求解’,内容是对于最小均方算法,也就是lms算法的改进。
    西弥斯-戈尔利克斯上台以后,就骄傲的宣布,“我们找到了一种最为快速、最为准确的最小均方求解方法,这种方法可以让计算复杂度降低两个数量级以上,并且不会损失精度和改善的数值稳定性。”
    这句话说出来立刻引起会场一片哗然。
    最小均方求解是许多机器学习算法的核心,能够让计算复杂度降低两个以上数量级,可不是开玩笑的,那已经不是改善,而是‘跨越式的进步’。
    比如,计算一个问题需要一亿次运算,下降两个数量级就变成了一百万次。
    这显然是质的飞跃。
    西弥斯-戈尔利克斯开始认真讲解说起来,他的同事阿尔马洛夫则在旁边做补充讲解,他们提出了一个非常新颖的分治法,然后用离散傅里叶变换算法,充当整体构架的‘掌舵’。

章节目录

从大学讲师到首席院士所有内容均来自互联网,肉文np只为原作者不吃小南瓜的小说进行宣传。欢迎各位书友支持不吃小南瓜并收藏从大学讲师到首席院士最新章节