在世界顶级会议的千人报告厅里做60分钟汇报是种什么体验？
一点不矫情的说，这个问题宁为还真答不上来，强答的话，大概也只能说一句，感觉还行。
因为即便已经开始坐在主席台上，能清晰看到下方的一排排人头，甚至还能找到就坐在第一排的沈教授、那位风格能自由切换的露西女士，跟他最熟悉的余兴伟。
但他完整的思绪依然不在会议上，脑子里不停蹦出的那些数学公式，直接让下方一个个业界大佬、顶级科技公司的技术官们幻化成了一个个数学符号。
怎么说呢？
他第一次有这种感觉的时候，开始跟N-S方程死磕，并孕育出了湍流算法；第二次出现这种感觉，他开始研究人工智能，并宁愿晚一年考研，也要申请下来EDA项目；而今天，这是第三次。
就好像他的大脑里有什么东西在指引他应该前进的方向，当他遇到类似深入的讲解，就会启动，促进多巴胺的分泌，让他辗转反侧，让他欲罢不能……
又或者他的大脑想搞事情，搞大事情。
所以紧张？不存在的！
哪个数学家会看到上千个数学符号就紧张？即便是紧张，他也怕自己会忍不住冲动又去申请个新项目。
要知道他可是答应过鲁东义，明年爬也要爬取燕北大学数院继续数论的研究。
此时宁为只是纯粹按照惯性，阐述着早已经准备好的摘要。至于这帮人会提出些什么问题，完全不在他考虑之列，他甚至都懒得在汇报中根据PPT上的内容去引申，以延长报告时间，来缩减提问时间。
于是原本准备四十分钟完成的汇报，半个小时便翻到了PPT的最后一页。
当然这些恍惚的情绪，台下人是基本看不出来的，因为宁为的语言依然流利，需要的数据引用，也是张开就来，几乎没有半点卡顿。
所以这么快讲完，意外的只有他自己……
“额，嗯，以上就是湍流算法的设计思路跟方法概述，谢谢大家。”
台下应景的响起了一阵掌声，不算多热烈，更多的是礼貌。
毕竟一篇起码要研究一周甚至更多时间，才能大概有个轮廓的开创性论文，要浓缩成一个半小时汇报完的摘要，其实内在的干货不可能太多。
起码他不能详细讲述论文中每一次数据迭代的处理，函数的发散跟收敛，每次递归判定、筛选及关联函数或方程的意义。
宁为不知道台下这上千人中，有多人曾仔细研究过他的论文，但他能肯定的是，如果没有事先做足功课，把他的论文通读三遍，并做好笔记的情况下，肯定是听不懂的。
所以掌声并没有让他有所触动。
他只是静静的坐在位置上，让自己注意力更加专注于会议上，等待着台下的大佬们提出疑问。
跟他之前想的差不多，最先提问的两位大佬，关注的重点都是在算法迭代时，空间转换思想方面的内容，这也是湍流算法从理论意义上来说最为晦涩难懂的地方。
所以宁为早有准备，花了十分钟，便大概说清了大体的思路，展示了较为详细的推导过程，尤其是定义的限制器随流场参数空间变化限制高阶项的过程。
随后他在台上看到话筒被递到了冯少杰口中的哈佛天才少女露西·罗恩的手中。
“宁先生，您好，听了您的报告，我有注意到您在今天报告中公布的最新实验数据跟原始论文中的实验数据有着较大差异，应该是在最新测试阶段有了极大进步。在研读论文过程中，我大概了解算法学习阶段主要依靠训练集，而训练集来源于高质量的实测数据，而非数据模拟。”
“所以在研究论文时，我曾怀疑论文中阐述的实验室错误报告率在极长时间维持在一个高度无法降低的原因大概率是随机误差带来的噪声干扰，这是该类问题最难解的地方。但在您刚才的报告中，我发现算法误报错误率已经大幅度降低，所以我想请问这是怎么做到的？“
宁为讶异的看了眼台下神情肃穆的女生，大概理解了为什么冯少杰要说她是哈佛的宠儿，显然并不是因为她的身材，更因为她的头脑。
一天都没进过实验室，竟然能单从他的论文中判定出湍流算法更新前错误率居高不下的原因，这让宁为再也不敢升起小看天下英雄的心思，这才是开了挂的学霸，傲人的身材跟聪慧的头脑并重。
毕竟当时他们可是每天泡在实验室里观测数据近一个月都没找出问题所在。
只是要回答这个问题……
“解决这个问题的方法不具备普适性，事实上是通过对NS方程本身理解加深，简单来说是通过设定高位空间限制数据溢出量来解决，如果你一定要听完整的解决方案，我不知道……时间是否够用。”宁为解释道。
其实他是想说不知道这女生是否能听懂，因为纯数领域方面的内容，并不属于算法工程师特别研究的范畴。但这样说太拉仇恨，宁为临时改了口。
真不是看不起人，他只是单纯回忆起当时跟鲁东义探讨争论五天的日子……
然而台下的露西只是微微一笑，轻松的说道：“还有二十分钟时间，我相信以您的能力，能为大家解惑。”
宁为看了眼台下的沈教授，只是微微笑着，于是无奈的点了点头，说道：“好吧，那么我需要一支电子笔，谢谢。”
说完，宁为直接撤掉了准备好的PPT，直接新建了一个空白的文档，然后接过场务送来的电子笔，开始在文档上书写起起来。
很快一串公式书写完毕，也同步展示到了背后的大屏幕上，宁为也正式开始讲解：“这个可测函数能看懂吧？时间有限我就不多做讲解了，首先先把所有满足以上函数条件的最小值记作∥f∥Lp(·)……”
为什么学术圈有种说法，纯数领域站在学术研究鄙视链的巅峰？
因为数论是真的曲高和寡。
毫不客气的说，数论研究者跟普通人看待世界运转的方式都是不一样的。
尤其是现代数论细分了领域之后，更不是一般人能去触碰了。因为很多时候同时研究数论的，一旦跨界，都不一定能想明白同行的思路。
对于算法工程师来说，数学自然极为重要，但算法的研究毕竟是为了解决现在所面临的现实问题，而针对数论的研究，能不能解决现实问题并不重要，甚至能不能解决未来可能出现的问题都不重要，其研究的乐趣更偏向于哲学上对于世界本质的探讨。
就拿NS方程的研究来说，没有NS方程物理学家就不能研究流体力学了吗？答案显然是否定的。
物理的本质在于观察跟实验，一次不行百次，百次不行前次，甚至上百万次不同环境的实验下来，通过观察记录，足以总结出不同流体条件下的各种一般性规律，从而推导出针对不同情况的各类公式。