。

    每一片叶子里的状态，虽然在局部看起来可能很不一样，但它们的整体拓扑结构是一样的。

    这意味着无限维的状态空间也可以被分解成一片一片的叶状结构了，每一片叶子内部的问题都可以被独立处理。

    这就象把一个巨大的拼图拆成几个小块，每一块单独拼，拼好了再合起来。

    之前难以处理的抽象的工作，将会通过这个方式变得简单易得。

    当然，这个想法不是凭空冒出来的。

    它直接来源于肖宿去年在人工智能领域发表的那篇论文《基于叶状结构的特征解耦改进算法》。

    那篇AI论文里，他处理的问题是如何让机器学习模型把不同类别的特征分开。

    他用的方法，就是在特征空间上定义一个类似的等价关系，把空间划分成不同的叶子，然后在每片叶子上独立地做特征解耦。

    当时那篇论文发出来的时候，AI圈子里的人看的是特征解耦、自监督学习、群论约束。

    他们觉得这是一个很漂亮的机器学习方法，效率高、效果好，发了顶刊，是很好的成果。

    但他们没有意识到，那个方法的数学内核，是可以抽离出来的。

    肖宿现在做的，就是把那个内核抽出来，放到NS方程的问题上。

    这就是同一个数学结构，在不同领域的投影。

    《流体状态空间的叶状结构：基于和乐等价的构造》他已经写了两天，目前完成了百分之八十。

    剩下的百分之二十，是关于叶状结构的整体粘合问题，也就是怎么把不同叶子上的解拼成一个全局的解。

    这个问题的难点在于，叶子之间的边界处会有奇异性，需要小心处理。

    他正在想这个问题，手机震了一下。

    是顾清尘发来的消息：“晚上有没有时间一起吃饭？俞巍说想跟你聊聊非紧弗洛尔同调的问题。”

    他回了一个字：“好。”