教室里嗡的一声，同学们开始小声讨论起来。
他们原本以为这些大佬们是来考察学习的，但现在看来，似乎是来找茬的。
大家不由有些愤慨。
要不是顾忌这些人的身份，他们恐怕都已经帮陈老师骂回去了。
即便如此，他们看向鄂维南一行人的眼神也变得危险起来。
陈辉却没有生气，鄂维南能够提出这个问题，说明他认真看过自己的论文了，并且对朗兰兹纲领，对机器学习都有深刻的认识，这样的质疑他当然可以接受。
抬手拿起鼠标，调出自己U盘的资料，很快，他打开了一篇论文，正是鄂维南院士早年关于多尺度模型耦合的论文，“你的1998年工作证明，分子动力学嵌套计算中，信息损失可通过随机微分方程补偿，而我的模型，正是您思想的升维实现……”
说着陈辉投影出一串动态方程，
“生成器参数θ的梯度被强制匹配模形式L函数的解析留数ω_p，相当于在连续优化空间植入数论奇点，这恰似您在多尺度模型中用SDE补偿能隙！”
鄂维南微微点头，目光微凝：“所以你们把朗兰兹对应的局部对偶性转化成了损失函数的正则项？”
“但这还不够！”
陈辉当然知道光是这个还不足以回答鄂院士的问题，再次点击鼠标，调出下一章PPT，“当卷积层权重扰动δ超过阈值，输出材料立刻失稳——但若约束在朗兰兹刚性半径内g_μν为Weil-Petersson度规，即使GAN生成结构扭曲，拓扑序依然存活！”
“用微分几何驯化了神经网络的混沌性？”
鄂维南皱起眉头，他没办法判断陈辉这个方法是否正确，他迫切的需要一堆草稿纸，甚至需要一场实验来完成验证。
不过他相信陈辉不会无的放矢，暂时压下对这个问题的疑惑，继续问道，“你的核心引理3.2声称，分数陈类可表示为模形式系数的上同调类，但据Atiyah-Singer指标定理，陈类必须满足积分量子化！请问当n=4时，如何绕过Z值约束？”
叮铃铃铃铃……
一串急促的铃声响起，如同催魂的魔音，伴随着鄂维南的问题直刺陈辉。
陈辉胸有成竹，安静的站在讲台，一直等到铃声结束后，才拿起粉笔，在身后黑板上画出纤维丛eta-不变量修正。
“当系统存在边界，比如如量子霍尔样品，eta-不变量吸收
…。。