蔡泽禹提示您：看后求收藏(归云文学网)，接着再看更方便。
[ 【作者蔡泽禹提示：如果章节内容错乱的话，关掉阅读模式,关闭广告拦截即可正常】
] 首先，直接与研究相关的这位统计学博士后——YuansiChen（陈远思，音译）。今年年初，他开始在杜克大学统计科学系担任助理教授的职位。主要研究方向是统计机器学习、优化以及在神经科学中的应用，尤其对其中域适应性、稳定性、MCMC采样算法、卷积神经网络和计算神经科学中出现的统计问题感兴趣。
而启发YuansiChen数学灵感的，是两位计算机科学家，YinTatLee和SantoshS.Veala。
不过他们还在论文中，保留了d0证明的一些想法。这也为后来的突破埋下伏笔
Chen深入研究文献，花了数周时间试图填补Lee和Veala的证明中的空白，但依然没有解决。于是他转变了思路，在Lee和Veala的思想指导下，他找到了一种方法，采用递归来降低KLS因子上界。
用统计方法解决问题
以往的研究里，他曾结合连续数学和离散数学的思想，大幅提升了在计算机科学和优化中许多基本问题的算法，比如线性编程和最大流量问题。
这个问题已经不再是纯粹的数学问题。普林斯顿大学数学系教授AssafNaor表示，KLS猜想在纯粹的数学和理论计算机科学中都很重要。KLS猜想的结果，直接关系到随机行走算法的运行时间，如机器学习模型中采样问题。·所以最后解决这个几何问题的学者，都并非几何学的专家，而是来自计算机界。
但他的方法很容易被验证。早期研究过KLS猜想的以色列数学家BoázKlartag，就在第一时间看了论文。他表示：“我基本上立即停止了我正在做的一切事情，并检查了这篇论文。这篇论文是100%正确的，这一点毫无疑问。”
1984年，著名数学家让·布尔甘提出了一个猜想。
以二维空间里的一个三角形为例。这个最小的“曲面”是一段圆弧。用圆弧来平分一个三角形，中间的线长度最短，而最佳“平面”——直线——的效果略差。
现在人们想知道，在高维空间，这个凸的容器最细的地方有多细。
请听题：如何将苹果平均一分为二，还能保证它长时间的新鲜？
2012年，Eldan通过引入一种称为随机定位的技术，来降低这个问题与维度上界。
他们的论文引起了另一位统计学者YuansiChen的注意。Chen当时是加州大学伯克利分校的统计学研究生，他正在研究随机采样方法的混合率。而随机采样是许多类型统计推断中的关键，例如贝叶斯统计。
经过数学家的抽象，KLS猜想就像一个封装着气体的容器，找到最佳切面就是寻找容器的“瓶颈”。
三个计算机相关的科学家
KLS猜想的上界不断降低。
如果跨越到更高的维度，是否依然成立？
这是一个严肃的科学问题，已经困扰了人类数学家25年之久。
换句话说，如果你一刀平分“任意维度空间的西瓜”，随便你怎么劈，总有一个切面总大于c。
经过反复迭代，这种方法将KLS猜想问题再次拉回到d0的上界。这一结果意味着，高维凸形物体不会有哑铃那样的结构。在n维凸体中随机行走，遍历整个图形的速度比我们之前预想得要快得多。这将有助于计算机科学家对不同的随机采样算法进行优先级排序。
但在3维世界中正确的事情，到了高维空间却不一定成立。这个问题后来被布尔甘自己证明，但数学家们并不满足于用平面切西瓜，而是希望能找到一个更小的切面，它可以是曲面。而这恰好是1995年Kannan、Lovász和Sinovits三人提出的KLS猜想关心的问题：用来平分的最小曲面面积是多少？
甚至，他们还将幂指数降低到几乎为0，由于d的0次幂总是等于1，Lee和Veala似乎证明了KLS因子是一个与维度无关的常数。
一个任意维度的凸体，用低一维的平面去平分，那么存在一个常数c，让凸体至少存在一个切面的面积大于c。
YinTatLee，的研究方向主要在算法方面，包括凸优化、凸几何、谱图理论和在线算法等广泛的课题。
他们在arXiv上发布了他们的论文。但是几天后，这篇文章就被人发现了一个缺陷，他们关于d0的证明是错的。之后，二人修改了文章，把界限重新调整到d1/4。几年来，研究人员认为KLS猜想的探索已经到此终结了。
这就是1995年，由三位数学家提出的一个几何学猜想。
2015年末，华盛顿大学的Veala和YinTatLee改进了Eldan的随机定位，以进一步将KLS因子（用于描述瓶颈是否存在）降低到维度的四次根d1/4。
想象一个哑铃形状的容器，里面有一个气体分子在随机运动，哑铃中间连接部分越细，分子就越难跑到另一侧
到了更高维度的空间中，二等分的最佳平面和最佳曲面差距会变大吗？切面的面积是否和维度d有关？
在3维空间中，这个结论似乎很好理解，因为无论西瓜长成什么奇形怪状，总不可能在每个角度都细长。像长形的西瓜，竖直切下去，切面很小，可以你也可以水平切开平分它，这样切面就会很大。
根据常识，就是要保证果肉暴露在外面的面积最小，也就是切片的面积最小。
如何用最小“切面”平分三角形。
这是一个非常重要的突破，加速了对近似凸体体积的研究。
] 首先，直接与研究相关的这位统计学博士后——YuansiChen（陈远思，音译）。今年年初，他开始在杜克大学统计科学系担任助理教授的职位。主要研究方向是统计机器学习、优化以及在神经科学中的应用，尤其对其中域适应性、稳定性、MCMC采样算法、卷积神经网络和计算神经科学中出现的统计问题感兴趣。
而启发YuansiChen数学灵感的，是两位计算机科学家，YinTatLee和SantoshS.Veala。
不过他们还在论文中，保留了d0证明的一些想法。这也为后来的突破埋下伏笔
Chen深入研究文献，花了数周时间试图填补Lee和Veala的证明中的空白，但依然没有解决。于是他转变了思路，在Lee和Veala的思想指导下，他找到了一种方法，采用递归来降低KLS因子上界。
用统计方法解决问题
以往的研究里，他曾结合连续数学和离散数学的思想，大幅提升了在计算机科学和优化中许多基本问题的算法，比如线性编程和最大流量问题。
这个问题已经不再是纯粹的数学问题。普林斯顿大学数学系教授AssafNaor表示，KLS猜想在纯粹的数学和理论计算机科学中都很重要。KLS猜想的结果，直接关系到随机行走算法的运行时间，如机器学习模型中采样问题。·所以最后解决这个几何问题的学者，都并非几何学的专家，而是来自计算机界。
但他的方法很容易被验证。早期研究过KLS猜想的以色列数学家BoázKlartag，就在第一时间看了论文。他表示：“我基本上立即停止了我正在做的一切事情，并检查了这篇论文。这篇论文是100%正确的，这一点毫无疑问。”
1984年，著名数学家让·布尔甘提出了一个猜想。
以二维空间里的一个三角形为例。这个最小的“曲面”是一段圆弧。用圆弧来平分一个三角形，中间的线长度最短，而最佳“平面”——直线——的效果略差。
现在人们想知道，在高维空间，这个凸的容器最细的地方有多细。
请听题：如何将苹果平均一分为二，还能保证它长时间的新鲜？
2012年，Eldan通过引入一种称为随机定位的技术，来降低这个问题与维度上界。
他们的论文引起了另一位统计学者YuansiChen的注意。Chen当时是加州大学伯克利分校的统计学研究生，他正在研究随机采样方法的混合率。而随机采样是许多类型统计推断中的关键，例如贝叶斯统计。
经过数学家的抽象，KLS猜想就像一个封装着气体的容器，找到最佳切面就是寻找容器的“瓶颈”。
三个计算机相关的科学家
KLS猜想的上界不断降低。
如果跨越到更高的维度，是否依然成立？
这是一个严肃的科学问题，已经困扰了人类数学家25年之久。
换句话说，如果你一刀平分“任意维度空间的西瓜”，随便你怎么劈，总有一个切面总大于c。
经过反复迭代，这种方法将KLS猜想问题再次拉回到d0的上界。这一结果意味着，高维凸形物体不会有哑铃那样的结构。在n维凸体中随机行走，遍历整个图形的速度比我们之前预想得要快得多。这将有助于计算机科学家对不同的随机采样算法进行优先级排序。
但在3维世界中正确的事情，到了高维空间却不一定成立。这个问题后来被布尔甘自己证明，但数学家们并不满足于用平面切西瓜，而是希望能找到一个更小的切面，它可以是曲面。而这恰好是1995年Kannan、Lovász和Sinovits三人提出的KLS猜想关心的问题：用来平分的最小曲面面积是多少？
甚至，他们还将幂指数降低到几乎为0，由于d的0次幂总是等于1，Lee和Veala似乎证明了KLS因子是一个与维度无关的常数。
一个任意维度的凸体，用低一维的平面去平分，那么存在一个常数c，让凸体至少存在一个切面的面积大于c。
YinTatLee，的研究方向主要在算法方面，包括凸优化、凸几何、谱图理论和在线算法等广泛的课题。
他们在arXiv上发布了他们的论文。但是几天后，这篇文章就被人发现了一个缺陷，他们关于d0的证明是错的。之后，二人修改了文章，把界限重新调整到d1/4。几年来，研究人员认为KLS猜想的探索已经到此终结了。
这就是1995年，由三位数学家提出的一个几何学猜想。
2015年末，华盛顿大学的Veala和YinTatLee改进了Eldan的随机定位，以进一步将KLS因子（用于描述瓶颈是否存在）降低到维度的四次根d1/4。
想象一个哑铃形状的容器，里面有一个气体分子在随机运动，哑铃中间连接部分越细，分子就越难跑到另一侧
到了更高维度的空间中，二等分的最佳平面和最佳曲面差距会变大吗？切面的面积是否和维度d有关？
在3维空间中，这个结论似乎很好理解，因为无论西瓜长成什么奇形怪状，总不可能在每个角度都细长。像长形的西瓜，竖直切下去，切面很小，可以你也可以水平切开平分它，这样切面就会很大。
根据常识，就是要保证果肉暴露在外面的面积最小，也就是切片的面积最小。
如何用最小“切面”平分三角形。
这是一个非常重要的突破，加速了对近似凸体体积的研究。