给出具体值。

    那么直接套用模态距离的定义：d_M(r_1，r_2）就可以直接表示为：

    接下来就是评估非线性效应的累积贡献，这一块需要用模态卷积来操作，同样是先套公式，直接可得：

    通过这个公式分析空间中的高密度区域，这样最终可得优化目标的目标函数为：

    显然，优化公式中函数X就代表待优化的实验室参数。

    当然这只是一个笼统的公式。

    花费了几个小时时间，把公式推了一遍之后，乔喻又仔细思考了一遍他的想法。

    感觉在数学上没什么问题，但能不能指导刘师兄的课题他其实现在还不太确定。

    毕竟这是一个构想，不过好在他手上还有些许多从实验室打包的数据。

    唯一的问题是，这涉及很多复杂的计算。说起来不管是他还是陆教授都认为目前刘浩课题组的数据量不够。

    但这里说的“不够”其实是在数学家看来，能体现出一定规律的数据量不够，而不是数据总量不够。实际上半年时间攒下的数据总量还是很多的。

    现在乔喻处理问题的办法，用行话解释就是在高维模态空间中，寻找最具代表性的低维投影，减少对全数据的依赖。并试图从这些不成体系的数据中，寻找到潜在的规律。

    通过最小化d-m的值，来找到规律性最强的路径，并根据模态热点，指导后续实验设计，并从新的实验室数据中，补充关键参数范围的数据。

    这个方法其实有些笨，虽然可以借助超算，但需要有能理解这套方案的人根据已有数据去调整每个权重参数。

    难度不大，但需要耗费太多时间。如果换了以前乔喻闷着头就干了，毕竟做好了能赚钱。

    但现在乔喻觉得他已经过了需要耗费自己的时间赚辛苦钱的阶段了。于是思考片刻后干脆给刘浩打了个电话。

    “乔喻，你可算给我打电话了，是拜托你的事有眉目了吗？”

    语气中能听出很重的期待感，由此可以判断这一周实验室的情况并不算好，肯定还没有特别好的结果。

    这其实是个好消息。

    因为如果实验室里传出了好消息，他的作用好像就没那么大了。

    “这个还没有，不过我有了一个很厉害的思路。现在的问题是光靠我一个人没法继续下去，所以我需要有人来帮忙。

    这个人选需要对我的广义模态数论体系，以及框架内的各种概念有比较深入的了解，熟练掌握泛函分析方面的内容。你有推荐的人选吗？”

    乔喻直接问道。

    很显然这个问题没给对面的刘师兄带来半点困扰，回答的飞快。

    “那个……如果我有好的推荐的话，就不会守实验室里了。这么说吧，课题组的人数学成绩大概都一般般。

    你要说微积分、线性代数、统计学这些，大家都还过得去。但要说到泛函、还有你那套数论内容的话……咱们就别开玩笑了。

    别人我不知道，如果我这些都能学好的话，硕士阶段就考数学研究生了。绝对不可能继续在化学专业待着。”

&nb

本章未完，请点击下一页继续阅读