“其二。”陈泰鸿又翻到后一页，“你说广义特征系构成Riesz基，这个结论依赖于扰动足够小。”
“你把试剂批次、校准周期全编进先验里。
“有没有估算过它们对应的算子扰动范数上界？”
“万一某批试剂漂移超预期，Riesz基一塌，模态展开不唯一。”
“后面那张网络推断图，再干净也是镜花水月。”
程竞星思索了几秒，“老师，我明白了。”
“我回去会给扰动项加一个显式上界估计。”
“在贝叶斯先验里嵌入‘扰动超限检测’，并在SDG成立的前提下再断言指数稳定。”
“嗯。”陈泰鸿略一颔首，似乎就等她这句话。
“不过，你能把这套理论直接扣到周教授那边生物网络的噪声清洗上，这点很难得。”
他靠回椅背，目光透过镜片，带着几分审视与赞许：
“你知道这作业有什么用吗？”
不等程竞星回答，他便自问自答：
“你这套东西，等于给他们那堆经验性的清洗算法，悄悄安了一根数学脊梁。”
“以后无论网络怎么变，只要这根脊梁不塌，结论就立得住。”
“更重要的是。”他顿了顿，似是很欣慰。
“你证明了‘数据驱动+物理先验’这条路，在数学上是自洽的。”
“这不止能用在生物网络，以后凡是带边界扰动的分布参数系统。
“流体、材料、甚至金融高频数据，都能套这个框架。”
“你这不是交了一份作业，是磨了一把能跨领域用的刀。”
程竞星垂在膝上的手微微收紧。
原来自己这两天疯魔般写下的那些算式，早已悄悄越过了解题的边界，伸向了更远的地方。