Φ(s;x)=L（s，symf）·exp……”
“△（x）=（loglogx）控制尺度分离。”
……
“利用代数工具控制误差。”
“筛法积分表示为……”
“π(x)=1/2πi∫_r∑……Φ(s;x)·ds/s+误差”
……
随着时间一分一秒过去，在徐铭的报告下，原本空白的写字板，已被大量数学公式和符号占据，而整个台下则只有笔尖划过纸张的声音。
没错。
当代数多尺度解析筛法展露出来，前几排的教授很快便被吸引。
沉浸在其中的结构融合，和定理应用上面。
尤其卡茨和伊万尼克同属数论专家，又详细研究过徐铭的多尺度解析筛法，且听过一次相关报告会，因此其理解也更加深刻。
以至于能够揣摩出徐铭的想法和思路。
但也正因如此，才更加被代数多尺度解析筛法折服。
很快便忍不住拿出草稿纸推演。
待停笔之后满脸感慨。
“这场报告会果然没有让人失望，代数核心结构中的模形式和L函数，简直和多尺度解析筛法天生适配。”
“徐铭构造的对称平方L函数，其解析延拓到整个复平面且满足函数方程，该L函数的系数a_p成功编码了素数分布信息。”
“模形式的算子特征值，更是能提供正交振荡，可以天然抵消奇偶性问题。”
“实在是太精妙了，两者属于最佳的结合。”
“引入了代数核心结构后，多尺度解析筛法工具可以用于解决更多的问题，这将加快数论的研究发展。”
几人互相交流探讨之下，脸上都堆着喜色，知道这场报告会没有白听。
同时卡茨和萨纳克两位教授，更是长松一口气，原本还有些提起的心总算放下。
虽昨天从徐铭口中确认，知道其并未放弃数学，且还成功优化了多尺度解析筛法。
可他们毕竟没有亲眼见到。
仅出于对徐铭多尺度解析筛法的信任，便邀请世界顶尖数论学者过来参加报告会，若最终报告内容无法达到预期令人失望的话，对数学年刊来说也会带来信誉影响。
好在最终的结果非常圆满，代数多尺度解析筛法令所有人眼前一亮。
本章未完，请点击下一页继续阅读！