书书屋 - 历史小说 - 从大学讲师到首席院士在线阅读 - 从大学讲师到首席院士 第54节

从大学讲师到首席院士 第54节

    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’。