邮件。
点开，然后就是一愣。
《基于神经网络投影的Wasserstein梯度流数值方法及其应用分析》？
刘建明皱眉，他明明记得给杨学斌的题目是《深度学习黑箱模型的拓扑数据分析与可解释性研究》啊！
擅改课题？
还是自己真的记错了？
刘建明有些自我怀疑，于是找到当初制定的课题文档，发现自己并没有记错，而是杨学斌擅改了课题。
“好小子！”
“我倒要看看，你这写的究竟是什么？”
刘建明有些生气。
如果这片论文难度比《深度学习黑箱模型的拓扑数据分析与可解释性研究》小，写得又不够精彩的话，杨学斌就等着留级吧。
刘建明沉下心来，开始看论文。
论文标题：基于神经网络投影的Wasserstein梯度流数值方法及其应用分析
摘要：
Wasserstein梯度流为描述概率分布在Wasserstein度量下的演化过程提供了强大的理论框架，并在生成模型、贝叶斯推断等领域展现出广泛应用潜力。然而，数值计算，特别是在高维情形下，仍面临巨大挑战。
本文研究基于神经网络投影的Wasserstein梯度流数值近似方法。该方法的核心思想是利用神经网络（如具有ReLU激活函数的两层神经网络）来参数化梯度流演变中的拉格朗日映射函数……
“这……”
随着继续往下看，刘建明越看越看越震惊。
他是青华校园少有同时精通计算机的数学教授，因此不仅看得懂，也非常明白杨学斌这片论文的难度和价值。
在这篇论文中，杨学斌提供了一个非常精妙的算法，可以极大提升计算机在物理仿真和AI方面的能力等等。
如此精妙的算法，那怕是他自问也创造不出来。
这不仅需要极其深厚的数学功底和天赋，还需要同时精通计算机，且至少是顶级专家级的，否则不可能写得出这篇论文。