些实际应用！
只有这样，她才能向翟达解释，为什么会将此当做“礼物”。
“那再换个说法凸优化可能适用于金融模型以最快速度寻找最优解，而非凸优化适用于大数据处理和神经网络的深度学习，现实中大部分问题都是非凸的，可以帮助计算机以数学来学习现实，这样能理解么？”
翟达终于捕捉到了关键词。
神经网络？深度学习？
卢薇看着翟达的表情变化，有些疑惑道：“你听说过？”
前者不算稀奇，已经提出了几十年，后者其实是这两三年才定义的。
翟达找回了一点自信：“我又不是吴越”
卢薇点头继续道：
“一般情况下，凸优化和非凸优化是无法并行的，虽然有着‘凸松弛’作为半定规划链接，但本质上就像磁铁的两极，有各自的延伸领域。”
“这并不是某个具体的、一次性的猜想证明，而是持续优化问题，即：如何更高效的获得各自解，原本我的研究就是这样，各自为战，分别提升了两者的运算效率，缩短了神经网络的逻辑链，不过下午考试时有了一点灵感。”
重头戏来了。
“我将之前《敏感度猜想》的‘矩阵追踪工具’，与两者结合了起来，使得计算过程中对梯度下降进行动态捕捉，可以在凸与非凸中半程切换，自动分析出最合适的方法，节省了双向求解50的复杂度并且更快、更全面、更接近最优。”
卢薇指了指电脑屏幕：“电脑里的，依旧是我的毕业论文。”
而后第二次，将那几张手稿递给翟达：“但这几张稿纸内容，我就不发表了，送给你当礼物~”
翟达捏着稿纸，神色微动。
他大概理解卢薇的意思了。
卢薇背着手，微微前倾，纤细的腰肢和恰到好处的起伏，俏脸上满是幸福。
幸福于自己的研究可以帮到翟达。
她对数学和翟达以外的东西关注不多，但和翟达相关的一切东西都有概念。
“有了这个，如果加以运用，你的鸿图os可以更快、更精致的进行大数据分析，包括内容推送和行为预判，配合足够的训练后，你的语音助手‘图图’也可以更智能，说不定能早日接近《超时空同居手册》里你描述的那样”
“甚至更准确的预测气候”
翟达很少见到如此神采飞扬的小木头，那种笑容实在让人难忘。
卢薇嘻嘻一笑：“作为元旦礼物，还可以吧？”
量熵
有一句话叫：程序员改变世界，数学家改变程序员。
除了那些服务大众的应用、游戏、操作层面外，许多精深的领域，其实都是靠着数学家在底层的惊天一击。
“学数学有什么用”这个问题，其实答案很多。
从晶体管逻辑门的“0与1”布尔代数。
到图形处理的矩阵乘法与特征值分解。
再到文件压缩的大数分解。
量化金融、人工智能、数字货币一个个常人可以理解的“现实”背后，总有一个常人不好理解的“抽象”数学支撑。
卢薇的研究可能离完美的“神经网络深度学习”还有差距，实践中更是需要硬件支持，但这依旧是该领域一次巨大进步，背后可能带来不小的商业利益。
但遗憾的是，数学原理是无法注册专利的，这是自然规律的一部分，就像你不能注册“1+1=2”从而阻止别人运用一样。
唯一确保独家成果的方式，就是不公布。
这对纯粹的学术界来说不公布等于“无”，不公布就没有名望和利益，但对卢薇来说，她将自己的成果拆分成了两部分。