“我们在网页图谱和知识网络扩展的验证中，成功训练出了稳定且具备可迁移性的无监督图结构表示。
“这在人工智能基础研究领域，绝对算得上是里程碑式的进展。
“这样的成果，如果只按计算机顶会短文来写，恐怕很难完整呈现它在人工智能和大规模搜索架构上的跨学科意义。
“我的想法是，先整理成长文，冲击《自然》正刊。
“Leo，作为这个无监督图表示学习项目的核心贡献者，我和卡普兰教授认为，这篇论文的第一作者，应该是你。”
李傲安静地听着，心里多少觉得有些意外。
能训练出稳定且可迁移的无监督图结构表示，在当前的人工智能基础研究里，确实是一项极其重大的突破。
这个成果的出现，意味着基于不变量代理训练目标的无标注结构表示路线，在理论和实践上彻底站稳了脚跟。
无论是网页图谱去重、知识网络表示，还是解决大规模图结构迁移时的失稳难题，它都展现出了极高的潜在应用价值。
它甚至能直接推动图表示学习与下一代搜索基础架构的发展，给整个人工智能基础理论开辟出一个全新的方向。
这样的分量，毫无疑问有资格在《自然》这种顶级期刊上占据一席之地，也必然会在接下来的机器学习与人工智能领域掀起一场轩然大波。
而现在，米勒教授竟然要把第一作者的位置直接留给他，这份礼物的含金量可想而知。
且不说这项成果能带来多大的学术声望，单看现实收益。
任何一个握有这种顶级一作成果的人才，无论是去谷歌、微软研究院，还是进华尔街的顶级量化基金，对方开出的签字费和起薪动辄就是几十万美元起步。
思绪一闪而过，李傲回过神来，连忙开口回应。
“米勒教授，这……是不是有点不太合适？毕竟我才刚刚加入项目组没多久……”
他本想解释自己进组太晚，可话还没说完，一旁的卡普兰教授便笑着打断了他。
“行了，别有什么顾虑，这本就是你应得的。
“在我和米勒教授的课题组里，从来都只看实际贡献，不排资论辈。
“要不是你创新性地构建了不变量代理训练目标，今天这个问题我们还不知道要卡多久，更别提什么突破性进展了。
“放心吧，都已经和组里的其他人商量过了，大家没有任何异议。”
事实正如卡普兰教授所说，话音刚落，坐在一旁的艾文等人便纷纷笑着表态。
“就是啊Leo，你可千万别推辞。大家心里都感激你呢，要是没有你的加入，咱们这课题组还指不定得熬到什么时候，才能训练出稳定的无监督图结构表示。”
“艾文说得没错，真要说起来，这次大家反倒是都沾了Leo的光呢。”
话都说到这个份上了，米勒教授索性大手一挥，直接把一作的事情给拍板定了下来。
紧接着，实验室里的气氛彻底轻松了下来。
卸下压力的艾文几人更是主动围拢过去，向李傲请教起关于图表示学习的一些深入问题。
李傲自然不会藏私，对此毫无保留，耐心地与众人互相交流探讨。
到了傍晚，大家伙儿得知了他的华裔背景，便热情地拉着他去了埃文斯顿新开的一家川菜馆聚餐。
这对于长期住在芝加哥南区这片“美食荒漠”的李傲来说，面对一桌正宗的华夏菜，自然是胃口大开，大快朵颐了一番。
这顿饭一直吃到夜幕低垂。
散场后，艾文几位师兄坚持亲自开车，沿着密歇根湖畔一路南下，将他安安全全地送回了海德公园的芝加哥大学本科宿舍。
……
第255章 投稿《自然》（求订阅）
在彻底解决计算机系的项目后。
李傲便将全部精力，投入到了边界奇异集维数估计问题上。
他继续使用优化后的边界局部压力覆盖工具，对该问题进行推导与证明。
此外，在这次创新构建不变量代理训练目标的过程中，跨学科灵感的碰撞也让他脑海里涌现出不少新思路，对边界奇异集维数估计有了更深的理解。
配合全新的覆盖工具，整个证明过程进行得十分顺利。
不过由于步骤繁琐，他仍需要一些时间来完成完整的推导。
一旦得出最终结果，就能着手撰写论文。
他依旧是计划将论文投稿给《数学新进展》。
面对自己在偏微分方程边界正则性领域的最新成果，他并没有更换期刊的打算。
这种级别的文章，发在数学界四大顶刊中的哪一个都没什么区别，但更重要的原因是，他在参加国际分析与偏微分方程会议时，与魏斯曼、马丁教授相处得非常愉快。
并在后来的闭门讨论会上获益匪浅。
至于能源部储能材料联合项目那边，暂时没有重要事务，相比计算机系要平静得多。
转眼到了月底，李傲收到了米勒教授的消息。
项目论文已经撰写并修改完毕，米勒教授特意发来一份副本，让他看看是否还有问题。
打开文件后可以看到，论文的通讯作者是米勒和卡普兰两位教授。
而他的名字则排在所有作者的最前面。
虽然这是他首次以作者身份审阅人工智能领域的综合顶刊论文，但通读下来，不得不承认两位大牛教授的学术写作功底极深，几乎找不到任何瑕疵。
于是他当即发回了确认邮件，并致电说明情况。
二月的最后一天，这篇关于稳定可迁移无监督图结构表示平台的论文，正式以芝加哥大学和西北大学的名义，提交给了《自然》杂志。
尽管从投稿、编辑初筛、同行评审到最终发表尚需时日。
但对于芝加哥大学和西北大学的学者们而言，他们心里清楚，这项无监督图表示学习的研究已经取得了巨大的突破。
……
“听说计算机系那边，对无监督图表示学习的研究取得了突破性进展？”
3月2日，周一。
芝加哥大学数学系的埃克哈特楼内，约翰逊教授看着面前的李傲，有些好奇地主动开口询问。
前阵子，米勒教授曾专程来找他借人，打算把图同构项目里的群作用不变量引入无监督图表示学习中。
当时他觉得这法子未必管用，但看在两个系合作的面子上最终还是点了头。
在李傲答应参与之后，他甚至还跟巴拜教授商量了一下，把课题组里研究过图同构的亚当和托马斯等人也一并派过去帮忙。
那之后，由于他自己忙于处理几项基金申请，便没有过多关注后续。
谁知二月才刚过去，计算机系就传来了取得重大进展的消息。
这确实有些出乎他的意料。
毕竟作为此前大规模图同构算法项目的核心参与者，他对那套群作用不变量以及候选映射剪枝框架的机理再清楚不过。
那套框架本质上是为大规模网页图谱的去重和同构筛选服务的。
核心逻辑是通过群作用不变量与候选映射剪枝来压缩搜索树，从而降低图匹配和索引计算的成本与周期。
尽管在工业测试中，该框架跑出了令人惊艳的指标，目前也已进入技术报告和论文初稿阶段。
但要说直接拿它来训练无标注的图结构表示，在理论上怎么看都行不通。
正因为抱着这样的疑问，今天课题组组会一结束，他便把李傲叫到了办公室，准备详细了解一下情况。
李傲在导师面前一向放松，闻言也没多想，直接点头如实回答。
“是的，约翰逊教授。
“米勒教授他们利用不变量代理训练目标，成功训练出了稳定的图结构表示，并且在随机节点置换和跨知识网络迁移的测试下，验证了这种结构表示的稳定性。
“目前，我们共同撰写的论文，已经正式提交给了《自然》杂志。”
事实上，在李傲刚说出前半句话时，约翰逊教授就已经愣住了。
他实在无法理解这种超出了常规理论的成果，脑海中顿时冒出了一连串的疑问。
群作用不变量，竟然能直接训练出稳定的图结构表示？
这怎么可能？
作为芝加哥大学数学系的资深教授，他绝不会把这种突破归结为运气，这里面必然存在某些他还不了解的关键。
李傲的话音才刚落，他便迫不及待地追问起来。
“这玩意儿真能用你在图同构项目里做出的那套不变量工具训练出来？
“你要知道，候选映射筛选和无监督表示学习，这两者在底层逻辑上可差得太远了。”
李傲听到这里，眼中闪过一丝诧异。
他显然没想到米勒教授还没跟约翰逊教授沟通过这个项目的具体细节，于是赶忙开口，详细解释起关于代理目标的设计。
“是这样的，约翰逊教授，”
他解释道，“我也觉得如果直接套用群作用不变量，确实很难训练出符合要求的图结构表示。
“所以这几天，我结合了无标注图结构表示的训练机制，把代理训练目标重新做了一次改造。
“不过，好在最后的测试结果还算让人满意。”
“我说怎么回事，原来是你重新构建了训练目标。”约翰逊教授听到这儿，心里的疑惑总算解开了。
可他还没来得及彻底放松，下一秒便像是突然意识到了什么，猛地坐直了身体。
“等等，”
约翰逊教授盯着李傲，“你说……你重新构建了无监督图表示学习的代理训练目标？”
等他回过神来把这句话问出口时，脸上的惊讶之色比刚才还要浓重几分。
鉴于李傲之前只用几天就解决了图同构候选映射剪枝框架，约翰逊教授对他能构建新的目标函数其实并不感到意外。
可关键在于，这次涉及的完全是统计学习和图表示学习的理论。
特别是想要稳定训练出能够通过节点置换、跨网络迁移双重验证的图结构表示，除了需要极其深厚的数学和计算机功底，更得将两个学科融会贯通、灵活运用。
他此前显然完全没有料到，李傲在图表示学习领域，竟然也拥有如此高的造诣。
脑海中快速闪过这些念头后，他强行压下心底的震惊，顺着话题继续问了下去。
“Leo，我以前怎么没听你提起过，你对图表示学习也有研究？”
“前阵子因为做图同构项目，对人工智能这块挺感兴趣的，就顺手在图书馆和项目资料库里翻了不少相关的文献资料。”李傲没多想，语气平静地回答。
然而，这话落在约翰逊教授耳中，却让他的心头猛地一跳。
一个极其不妙的念头，不可遏制地在脑海中冒了出来——
坏了！
……
第256章 不会亏待咱们的学生（求订阅）
约翰逊教授脑海里冒出的第一个念头就是：李傲该不会是被边界奇异集维数估计问题打击到，动了转行去研究人工智能基础理论的心思吧？
约翰逊教授一直担心给李傲带来心理压力，因此除非李傲主动提起自己本科阶段的正式课题，平时绝不会轻易过问。