徐川笑著道：“如果能觀測到惰性中微子完整的信息數據，付出再多，遇到的問題再困難，也都是值得的。”
和常進常院士聊了會關於各種粒子探測技術方麵的東西後到了辦公室中。
對於暗物質的探索，他已經有了一個大概的方向。
而接下來的工作，就是從理論上儘可能的去進行完善了希望在物理學會召開的高能物理大會前，他能順利的解決這項工作日子就這樣一天天的過去時間很快就來到了五月份的中下旬這些天以來，徐川就沒有再去星海研究院了。
長達半個多月時間，他潛心在南大完善著有關於惰性中微子與暗物質的探測理論基礎“.借助量子場論，共動體積a3中粒子數密度的改變率，1\/a3d\/dt(n1a3)=j1(dpj\/(2n)38+(p2jm2j))((2n)84(p1+p2p3p4).....“在共動體積中，粒子數密度不會隨膨脹而稀釋，而方程右邊可以分成兩部分其中暗物質粒子產生湮滅過程的散射截麵，1\/a3d\/dt(n1a3)=4j=1(d4pj\/(2n)38+(pjmj)...“P為參與散射過程的各個粒子的四動量，M為散射振幅。”
“第二部分為各個粒子能量的平衡態統計分布“即：暗物質豐度的變化率等於其產生截麵與湮滅截麵之差，截麵的理音反應發生的概率”
一行行的算式在徐川手中不斷的寫下對於暗物質的探索來說，玻爾茲曼輸運方程是相當重要的一部分它描述了暗物質粒子豐度Y隨“質溫比x的演化規律，方程中的參數由具體的粒子物理模型決定而如果想要從無數的對撞信息數據中，找到需要的數據，僅憑人力是完全不可能做到的。
這個時候，數學工具的重要性，就體現的淋漓儘致了隻要最底層的計算公式能夠做出來，那麼數學完全就可以利用計算機和軟件來建立起一個數學模型，利用數學模型來從萬億億條信息中，去尋找那一條需要的數據。
手中的簽字筆落下最後一個符號，徐川放下筆，長舒了口氣伸了個懶腰耗費了半個多月的時間，他總算是將自己腦海中的想法完善了起來，並構成了一套邏輯自治的理論，以及一套計算從繁多參數中，計算惰性中微子碰撞湮滅後的轉變粒子的數學模型基礎公式剩下的，就是將這些理論轉變成實際的設備，以及數學模型了。
看著手中捏著的稿紙，徐川嘴角勾起了一個幅度看來又得麻煩一下學姐了紫金山腳下，距離川海材料研究所不遠的川海網絡科技有限公司大廈下，徐川找到了正在辦公室中忙碌著自己工作的劉嘉欣帶著笑容，他敲了敲門。
辦公室中，正在研究著什麼的學姐被敲門聲驚醒過來，抬頭看到他後明顯的愣了一下，隨即臉上飄起了一抹笑容“你怎麼來了”
徐川走上前，笑著道：“來看看你啊。”
聽到這話，劉嘉欣耳垂頓時就泛紅了一片，徐川沒注意到，笑說了一句他的目光就落在了辦公桌上那上麵，散亂的稿紙上有著密密麻麻的計算公式，良好的視力讓他清晰的看到上麵的一些數學公式，看起來有些熟悉的樣子。
掃了一眼稿紙，他好奇的問道：“你這是在研究數學？”
劉嘉欣點了點頭，將一縷垂下的青絲挽到耳後，回道：“嗯，關於人工智能方麵的一些數學難題，想試試能不能解決，”
對於人工智能而言，底層的邏輯算法無疑是離不開數學的雖說普林斯頓的計算機學科算不上最頂級的那一批，但數學領域卻是其他學院拍馬都追不上的。
聽到這話，徐川頓時就來了興趣：“我看看？”
劉嘉欣點了點頭，整理了一下桌上的稿紙遞了過來徐川接過稿紙，翻閱了起來“基於分解基的大整數因子分解算法。”
稿紙上的標題入目，他就愣住了。
這個標題？
思索了一下，徐川猛的起頭，目光落在了學姐臉上，忍不住咽了口唾沫問道：“你在研究NP=P猜想？”
難怪他之前瞟一眼的時候，總感覺稿紙上的公式很是熟悉的樣子大正整數因子分解問題，正是七大千禧年難題NP=P猜想中一部分老實說，他真沒想到劉嘉欣在研究這方麵的東西。
因為對於數學界而言，與人工智能領域相關東西很多無論是線性代數、微積分、還是概率論與統計學或離散數學，都影響著計算機最底層的邏輯算法。
不過若要說最關鍵，影響最大的，肯定是NP=P猜想它是七大千禧年難題中，唯一一個與計算機科學有關的難題，它的地位，在數學界和計算機科學中自然不用多說。
當然，難度也不用多說被徐川熾熱的目光注視著，劉喜欣有些不好意思的點了點頭在普林斯頓學習了幾年的時間，她學到的並不隻是計算機科學，還有很多的數學知識。隻不過一直以來她都沒怎麼表現出來自己的數學能力過。
尤其是在接手川海網絡科技有限公司後，為了打造安全防護平台，更是很少有時間去研究數學。
直到去年防護平台上線後，她才將時間和精力分了一部分到數學NP=P問題本就是她在普林斯頓讀博時研究的數學方向之一，如今再度撿起來最終的目的還是為了研究人工智能。