“实验室交给我行了吧？孙贼赶紧滚蛋！”

　　徐云也没和他客气，食指中指并在一起，放在太阳穴边朝前一划：

　　“那爸爸走就咯！”

　　裘生没有说话，而是朝他竖了一根中指。

　　离开实验室后。

　　徐云一个人安静的走在前往图书馆的路上。

　　裘生先前在实验室里的一番话，让他忽然意识到了另一个问题：

　　公司的研发端人手有些不太够了。

　　目前公司研发端真正的核心人员只有两人，分别是他和裘生。

　　裘生的能力自不必说，未来科大生化所的扛把子，眼下起码负责一个项目还是绰绰有余的。

　　至于徐云……

　　之前将精力放到商业上主要是因为公司初创，“一个螂灭”也是决定公司基石的关键产品，他必须要随时跟进。

　　如今随着公司步入正轨，他肯定也会把精力放到研发端上——否则他就不会找顾群青这位海归来做COO了。

　　但除此以外。

　　公司就没多少能用的人了。

　　剩下的那些研发人员里不是像任永存周佩瑶那样过来混项目的在读生，便是由田良伟推荐过来的毕业研究生。

　　这些人能力有是有，未来也算是可期。

　　但就目前来说，他们离负责单个项目还有着不小的差距。

　　眼下徐云刚经历了两个副本，便有了吡虫啉和易安菌两个商业产品待突破，更别提后头还有个DNA存储技术还要研究。

　　那第三个、第四个副本呢？

　　要知道。

　　这些项目都不是一通到底的大道。

　　而是有着相当多衍生领域的‘技术树’。

　　哪怕是其中最简单的吡虫啉，都有着相当广阔的衍生前景。

　　比如说蟑螂的钠离子通道虽然和老鼠的不一样，但和蚊子却是非常接近的。

　　如果能研发出对蚊子有效的产品，那市场未必就比灭蟑螂小到哪儿去。

　　况且作为一家有意成长为参天大树的企业，科研部也必须要有一位大佬坐镇。

　　诚然。

　　华盾生科背靠科大，完全可以做到产学研一体。

　　但产学研归产学研，并不是代表着徐云可以直接从科大那边进行挖人。

　　你偶尔有些研发任务请科大帮个忙那肯定没啥，但想让某位教授甚至院士直接为你打工？

　　这显然是不可能的，哪怕是和徐云关系最密切的田良伟也是如此。

　　因此于情于理。

　　徐云都要尽快找到一位甚至几位能成为支柱的专家。

　　但这话说起来容易，做起来却同样困难重重。

　　徐云需要的支柱可不是普通的博士或者教授，而是具备院士级能力的超级大佬。

　　可华夏的院士说多也多，说少也少，更别提生物专业了。

　　这种情况下，哪能这么轻松的就给你找到一位互相看得上眼的大牛呢？

　　想到这里。

　　徐云不由幽幽叹了口气。

　　所以还是先辛苦一下裘生吧……

　　十五分钟后。

　　徐云抵达图书馆。

　　刷卡过了门禁后，他先是打了杯水，找了个无人的角落坐下。

　　接着从身上掏出了那张刻录有方程的纸片。

　　时隔多日。

　　方程上的内容依旧没变：

　　4D/B2=4(√(D1D2))2/[2D0]2=√(D1D2)/[D0]=(1－η2)≤1……

　　{qjik}K(Z/t)=∑(jik=S)∏(jik=q)(Xi)(ωj)(rk)；(j=0，1，2，3……；i=0，1，2，3……；k=0，1，2，3……)

　　{qjik}K(Z/t)=[xaK(Z±S±N±p)，xbK(Z±S±N±p)，……，xpK(Z±S±N±p)，……}∈{DH}K(Z±S±N±p)……

　　(1－ηf2)(Z±3)=[{K(Z±3)√D}/{R}]K(Z±M±N±3)=∑(ji=3)(ηa＋ηb＋ηc)K(Z±N±3)；

　　(1－η2)(Z±(N=5)±3)：(K(Z±3)√120)K/[(1/3)K(8＋5＋3)]K(Z±1)≤1(Z±(N=5)±3)；

　　W(x)=(1－η[xy]2)K(Z±S±N±p)/t{0，2}K(Z±S±N±p)/t{W(x0)}K(Z±S±N±p)/t……

　　Le(sx)(Z/t)=[∑(1/C(±S±p)－1{∏xi－1}]－1=∏(1－X(p)p－s)－1。

　　这是一个由正则化组合系数和解析延拓组成的复合方程组，解起来非常的麻烦。

　　当时徐云做出的唯一判断，便是最后一道方程的解一定是个比值。

　　不过今天有了足够的时间，他便又发现了一个情况。

　　只见他在方程的第三行和第五行边画了两根线，又打了个问号。

　　表情若有所思：

　　“似乎……”

　　“这张纸片的复合方程组，可以分成三个部分计算？”

　　众所周知。

　　正则化理论，最早是为解决不适定问题而提出的。

　　长期以来人们认为，从实际问题归结出的数学问题总是适定的。

　　早在20世纪初。

　　Hadamard便观察到了一个现象：

　　在一些很一般的情况下，求解线性方程的问题是不适定的。

　　即使方程存在唯一解，如果方程的右边发生一个任意小的扰动，都会导致方程的解有一个很大的变化。

　　在这种情况下。

　　如果最小化方程两边之差的一个范函，并不能获得方程的一个近似解。

　　到了20世纪60年代。

　　Tikhonov，Ivanov和Phillips又发现了最小化误差范函的加正则项。

　　即正则化的范函，而不是仅仅最小化误差范函，就能得到一个不适定的解题的解序列趋向于正确解。

　　换而言之。

第一部 分的方程组，其实是一个描述渐变区域的序列集合。

　　甚至可能是……

　　图像？

　　想到这里。

　　徐云顿时来了兴趣。

　　从4D/B2可以判断，这应该是一个涉及到旋转曲面的问题。

　　第二行的∑(jik=S)∏(jik=q)(Xi)(ωj)则可以确定曲面与经线成了某个定角。

　　既然是定角，那么就可以假设定模型λ=(A，B，π)，以及观测序列O=(o1，o2，……，oT)。

　　那么就有α1(i)=πibi(o1)，i=1，2，……，N

　　αt＋1(i)=[j=1∑Nαt(i)aji]bi(ot＋1)，i=1，2，……，N

　　十五分钟后。

　　看着面前的结果，徐云若有所思：

　　“极大化的模型参数吗……”

　　随后他思索片刻，继续在纸上写下了一道公式：

　　Q(λ，λ)=I∑logπi1P(O，I∣λ)＋I∑(t=1∑T－1logaitit＋1)P(O，I∣λ)＋I∑(t=1∑Tlogbit(ot))P(O，I∣λ)。

　　这是一个很简单的投影曲线，并且圆锥对数螺线上任一点的挠率也与该点到轴的距离成反比。

　　因此可以化简成另一个表达式。

　　δt(i)=i1i2，……，it－1maxP(it=i，t－1，……，i1，ot，……，o1∣λ)，i=1，2，……，N

　　解着解着，徐云的表情也愈发凝重了起来。

　　两个小时后。

　　徐云看着面前的图纸，眉头紧紧的拧成一团：

　　“好家伙，第一组方程的化解项，居然是一个观测态的方程？”

　　观测态方程其实是个很奇怪的玩意儿，它在数学中的释义比较复杂，但在物理中的释义却很简单：