但学术界虽然不纯净，下限却要比另一些人高的多。

　　当国外学术界已经开始普遍认为广义模态公理体系，可以在应用上大放异彩的时候，田言真就已经担心乔喻去了之后能不能顺利回来的问题。

　　好吧，当然这也可能是关心则乱。不过作为导师，这也是必须要考虑的东西。

　　好在乔喻对于出门开会也没什么太大兴趣。甚至对于一些小奖项都没什么兴趣，

　　反正奖金不多，拿不拿无所谓。

　　而且他才十六岁，拿奖这种事情也不需要太着急。相较而言，他对赚钱很感兴趣。

　　华夏京城，怀柔科学中心化学研究所。

　　马博涛在参观过张左琳的实验室之后，的确对于乔喻那边的分析结果抱有很大信心。

　　不过乔喻那边能如此之快就出结果，依然是他没想到的。

　　更他没想到的是，根据乔喻那边的反馈，调整了实验室方案之后做出的样品目前看来的确很喜人，各方面性能参数都有了不同程度的提高。

　　此时他就正在看样品的数据分析报告。这一度让他感觉很激动。好吧，此时激动的不止是他事实上课题组其他人比他更为激动，

　　毕竟其他人并不知道隔壁张左琳实验室的研究进度。甚至不知道马博涛跟乔喻合作的事情。

　　对于这些指导用的数据目前也只以为是合作的数学团队给出的结果。

　　不是故意想要隐瞒什么，主要是这次合作他没跟任何人商量过。事实上在他感觉研究所的环境要比高校更复杂一些。

　　尤其是现在研究所是企业化运营，他调过来时间又不长，很多事情并不是他能一言而决的。

　　比如项目资金的分配。

　　很多人对科研领域有误解，作为项目负责人就能随意调用课题的资金。但实际情况显然并没有这么美好。

　　不管是面上项目、基金项目还是横向项目，钱都是先转到挂靠单位的账户里。然后在单位账户再分出一个子账户。

　　最关键的是，哪怕使用本课题组的资金也是需要领导签字的。比如这种对外聘任顾问的事情，

　　如果真要审核，天知道得等到什么时候去。

　　并不是他告诉领导乔喻的方法在竞争对手那边已经取得了成功，就能够获批的。

　　哪怕乔喻那边给不出有效指导，就不需要支出顾问费，想要审批通过，也需要各种研究。

　　对于想做事的人而言，等领导去研究然后审批，黄花菜都凉了。

　　尤其是化学所背靠着科学院，自家的数学家不用，去外面聘请别人来做这项工作，而且还是个十六岁的少年。

　　哪怕乔喻不是一般的少年，已经在国际代数几何大会上证明过自己，还被许多菲尔兹奖得主交口称赞，更是在数学年会上大放异彩。

　　但起码乔喻并没有应用数学领域做出过什么太大贡献。

　　至于燕北大学那边实验室用他的方法就解决问题了？好吧，有没有可能是一种巧合？

　　而且乔喻就是燕北大学的，导师还是田言真，谁知道这里面是不是特么有什么猫腻？

　　说不定马博涛都被狡猾的燕北人给骗了！这种可能性不但有，而且很大。

　　更别提对面实验室还特么是竞争对手！总之马博涛很清楚，只要这个事情回来商量，没有几个月根本没有结果。

　　所以从某种程度上来说，他就是自作主张。有这个底气也是因为协议里说了，如果乔喻这边分析出的数据无法对实验室进程做出有效指导，就无需支付任何费用，左右不会亏。

　　当然，这也就导致从严格意义上来说，他在张左琳的实验室跟乔喻签订的那份协议，其实并不算太正规。

　　毕竟没有单位的公章，只是私人签了个名，按了个手印。所以理论上如果他不认账，也没什么问题。

　　不过马博涛能看出张左琳当时促成签订这份协议的时候，就巴不得他到最后能不认账，然后他来出面帮他把这笔钱给了·

　　而且给的时候还会很义气。

　　「哎，我是真没想到马博涛会是这种不要脸的人，当时是我为他做的担保，这笔顾问费就由我来出吧！」

　　想到这里马博涛便觉得憋闷。没办法张左琳这家伙是圈里出了名的不差钱。

　　有些人是真赶上了好时候，正好抓住了时代的脉搏，在国家鼓励高校教授出来创业的时候，主动站了出来。

　　不但有政策扶持，还顺便吃了一波知识产权的红利。不过话又说回来，当时敢毫不犹豫这么干的也都是胆子大的。

　　毕竟谁都怕万一政策突然又变了，市场的红利没吃到，反倒把高校里的铁饭碗给丢了。

　　好吧，不管如何现在有了成果肯定是好消息。只是怎么跟乔喻结算需要花点脑筋。

　　在办公室里思考了片刻后，马博涛拿起手机，在通讯录里找到了罗静仁的名字，然后拨了过去。

　　很快电话接通，马博涛还没来得及开口，对面就抢先说起来了。

　　「马教授，又来催了？真的，不是我们这边拖时间，主要是你们实验室出的数据真不够。分析不出来什么东西。而且最近几个课题组都在忙。我们这边也已经是加班加点在分析了。”

　　听到这番话，马博涛下意识的笑了笑，说道：「不是，罗教授，你误会了。这次真不是催你。

　　情况是这样的。

　　你也知道，我们这个项目甲方比较着急，也是考虑到你那边比较忙，所以我们在外面请了一位顾问，来帮我们做数据分析。

　　好消息是现在已经做出了成果。所以专门给你打个电话，不用再忙我们这边的事了。优先其他兄弟课题组。」

　　马博涛说完之后，对面似乎没有回过神来，半响没有言语，片刻后才用听起来便颇为异的口吻开口了。

　　「马教授，你们在外面请了个顾问？还出了成果？你确定？你们提供的那些数据还能分析出有用的东西？你该不是被骗了吧？」

　　马博涛笑了，答道：「罗教授，你放心，他们是先帮我们分析，等到课题完成之后才会付费。

　　现在第一批数据分析结果已经反馈给我们了。

　　我们根据这些结果调整了实验室方案，取得的成绩很不错。现在样品的各项参数都有了极大的提升，尤其是之前最困扰我们的耐久性。

　　所以，你看是不是可以帮我们出具一份报告。反正你们那边也很忙，这部分的工作正好就不用再麻烦你们了。」

　　马博涛这番话说出来只觉得颇为畅快。

　　虽然他也知道对面一直没能出太多东西，也不能完全怪对方不给力。

　　毕竟数学模型很多时候，真就只是辅助作用，而且理论这块的研究，本来也较为滞后。

　　但每次打电话问情况，不是没结果，就是各种推，自然不可能让人心情太好。好不容易给出一些建议，也没什么卵用。

　　让他感觉还不如在双旦大学的时候。那时候跟几位相熟的教授合作的更为默契。

　　「不是，马教授，你从双旦那边请的顾问？他们的分析技术这么强了？另外，这个事情你跟李所那边打过商量没有？这个毕竟是人家委托给咱们所的项目，随便把数据对外公布怕是不妥吧？

　　虽然心里不太舒服，但马博涛还是用温和的语气解释道：「罗教授，我没跟双旦大学联系。是燕北大学一位朋友帮的忙。至于数据安全，我们都已经签过保密协议了。」

　　「燕北大学？是陆华舟、郭春耀还是李奉城？」

　　对面步步紧逼的态度已经让马博涛很不爽了。语气也开始变得生硬了些。

　　「罗教授，感谢你对我们项目的关心。不过跟这些人没关系。如果你对顾问给出的报告有什么疑虑，可以来看看。不必一直追问吧？

　　再说你们最近也很忙，很多数据要做，我们这也是给你减轻负担，对吧？」

　　「马教授，话不能这么说。是，我们最近的确比较忙，但你要说用你们现有的数据就能做出有效分析，我是不太认可的。

　　燕北大学除了这三位教授在做相关数据分析，还有谁比我们更专业？还是说你给了对方更多的数据才出的结果？

　　我什么都不问清楚，就直接照你的吩咐做事，才是真的不负责任吧？你可能在高校呆久了，不知道研究所这边的规章吧？

　　各个项目数据的用途、如何被使用、以及其使用的范围，都是有明确规定的！你什么都不说，

　　让我怎么写报告？」

　　一番话呛的马博涛沉默了片刻，随后轻笑了两声后，答道：「第一，这个项目是我拉来的！合同也是我跟甲方签订的，关于数据的处理使用范围我很清楚。

　　第二，你既然一定要知道，那我也就说了，我们的数据分析是燕北国际数学研究中心的乔喻同学做的，你满意了？哦，对了，给他的数据跟给你们的数据都是同步的。欢迎来查看电脑。」

　　「乔喻？田言真那个学生？」

　　「对！我上次看宣传上说，他今年好像是才十六岁！要不我把田院士跟乔喻一起请过来，你们交流一下？」

　　「嘟嘟嘟———」”

　　对面直接挂了电话。

　　「啊—..

　　嗯，马博涛冷笑了两声，然后直接站起来走出了办公室。

第167章 这必须上报啊！

　　京城应用物理与计算数学研究所内，罗静仁重重的放下了手机。

　　马博涛心里不痛快，他心里此时更不痛快。

　　目前的情况就是不管是化学、物理还是数学，都有太多的交叉学科研究。

　　对于同属于华科院旗下的单位，怀柔所跟华夏科学院数学与系统科学研究院、京城应用物理计算数学研究所这样的单位都保持着合作。

　　尤其是量子化学、化学反应动力学跟分子设计这些方向。大家一直以来也合作的都还算愉快。

　　同理一些化学反应的数学建模、材料科学中的计算方法，都是他们给怀柔所那边提供的。

　　现在这个马博涛，仗着来了之后就拉到了项目，竟然在外头请什么顾问？！

　　这得是多看不起他们啊？

　　好吧，看不起他们就算了，按马博涛的说法，对面还真解决了目前的难题？

　　气过之后，罗静仁坐到了电脑前，重新登陆了后台的数据库，把实验室传过来的温度响应型智能凝胶项目的所有资料又给全部翻了出来。

　　然后便开始一边仔细研究，一边开始打印。

　　数据明显都是经过整理的。这足以说明他们并不是什么都没做。

　　看过这些数据之后，罗静仁几乎敢肯定，从中要分析出什么有用的东西很难。

　　原因很简单数学是研究规律的学科。数据量不足的情况下，很难从这些杂乱的数据中找到所需要的规律，这是数学常识！

　　罗静仁现在真想冲到马博涛面前问问他到底懂不懂什么叫“样本量效应”

　　更别提小数据集容易受到噪声的影响，噪声可能会掩盖数据中潜在的规律。

　　在大数据的情况下，噪声的影响通常可以通过统计方法来减小，但在数据量较少时，这种干扰更加明显。

　　再加上数据驱动的建模，数据的质量和数量都至关重要。数据量不足意味着所得到的模型可能是欠拟合的，根本无法真实反映数据的背后规律。