/>

    “定义尺度函数为对称平方L函数与高斯的卷积：”

    “Φ(s; x)=L（s，symf）·exp……”

    “△（x）=（loglogx）控制尺度分离。”

    ……

    “利用代数工具控制误差。”

    “筛法积分表示为……”

    “π(x)=1\/2πi∫_r∑……Φ(s; x)·ds\/s+误差”

    ……

    随着时间一分一秒过去，在徐铭的报告下，原本空白的写字板，已被大量数学公式和符号占据，而整个台下则只有笔尖划过纸张的声音。

    没错。

    当代数多尺度解析筛法展露出来，前几排的教授很快便被吸引。

    沉浸在其中的结构融合，和定理应用上面。

    尤其卡茨和伊万尼克同属数论专家，又详细研究过徐铭的多尺度解析筛法，且听过一次相关报告会，因此其理解也更加深刻。

    以至于能够揣摩出徐铭的想法和思路。

    但也正因如此，才更加被代数多尺度解析筛法折服。

    很快便忍不住拿出草稿纸推演。

    待停笔之后满脸感慨。

    “这场报告会果然没有让人失望，代数核心结构中的模形式和L函数，简直和多尺度解析筛法天生适配。”

    “徐铭构造的对称平方L函数，其解析延拓到整个复平面且满足函数方程，该L函数的系数a_p成功编码了素数分布信息。”

    “模形式的算子特征值，更是能提供正交振荡，可以天然抵消奇偶性问题。”

    “实在是太精妙了，两者属于最佳的结合。”

    “引入了代数核心结构后，多尺度解析筛法工具可以用于解决更多的问题，这将加快数论的研究发展。”

    几人互相交流探讨之下，脸上都堆着喜色，知道这场报告会没有白听。

    同时卡茨和萨纳克两位教授，更是长松一口气，原本还有些提起的心总算放下。

    虽昨天从徐铭口中确认，知道其并未放弃数学，且还成功优化了多尺度解析筛法。

    可他们毕竟没有亲眼见到。

    仅出于对徐铭多尺度解析筛法的信任，便邀请世界顶尖数论学者过来参加报告会，若最终报告内容无法达到预期令人失望的话，对数学年刊来说也会带来信誉影响。

    好在最终的结果非常圆满，代数多尺度解析筛法令所有人眼前一亮。

    为数论领域中的诸多问题找到更合适的工具。

    能够预料未来几年，数论肯定会成为，数学界取得学术成果最快的分支。

    更关键的一点。

    这

本章未完，请点击下一页继续阅读