但是徐子轩还并不打算放弃。
毕竟是老师交给自己的任务，自己一定得完成。
他一个从农村走出来的孩子，能够走到如今的地步，少不了张正得对他的知遇之恩。
张正得是全心全意的培养他，不然的话也不会在他硕士毕业，并且已经展现出极高天赋的时候，将他给放走，甚至还专门写了一封推荐信，推荐他前往了巴黎高师这种世界顶尖数学院校学习，更是联系了那边的人脉，让他得以跟随一位菲奖得主学习，就连学费和生活费什么的，张正得也都想办法帮他解决了。
所以在他毕业时，那位菲奖得主博导挽留他，他没有答应，毅然选择了返回祖国，回到母校。
虽然有时候他也觉得没必要非要把别人问的下不来台，但不管如何，他也从来没有质疑过张正得，只是把这当成了老师的眼中容不得任何污染数学严谨性的沙子。
回过神，他重新看向台上的那个林叶，他心中有些苦笑，本以为自己才是反派boss，是为难林叶的那个，但是现在，一直面带微笑的林叶反倒才是真正带来压迫感的那个。
他低下头，看了看自己刚才在报告过程中整理出来的笔记，从上面寻找着可以攻讦的地方。
好在，他的天赋也并不是盖的，很快找到了新的问题。
虽然……可能已经不如刚才那个极限状态下的存在性证明问题致命。
“林叶同学，”徐子轩的声音再次通过麦克风传遍全场，语速极快，但却明显给人一种疲惫感。
“感谢你刚才的回答，那个交换子的处理……很精彩，我也受教了。”
“之前忘记自我介绍，我是震旦大学，徐子轩。”
徐子轩的目光肃穆，看得出来，他已经将林叶当成了平生所遇到的最大对手。
“我接下来的问题是，你的算法既然是基于李群指数映射的，而我们知道，在处理非线性刚性项时，著名的降阶现象是无法避免的，Strang分裂在理论上是二阶，在刚性极限下却往往退化为一阶。请问，你的误差分析是基于经典的渐近展开，还是考虑了这种刚性退化？”
这是一个非常经典的数值分析难题，也是无数算法论文被拒稿的理由。
台下的行家们纷纷点头，心想这个问题就比之前那个故意为难的问题要扎实，也厚道的多。
只不过……
连刚才的那个问题林叶都能够想到用交换子来巧妙地回答，这个问题，真的能难住林叶吗？
果然，林叶几乎在徐子轩话音落下的瞬间就给出了回应。
“这位老师，提到的降阶现象确实存在，但那是针对传统的Ruta方法。在指数积分器的框架下，只要刚性源项满足Lipschitz条件，利用变分公式展开，主要误差来源于换位子[F，S]的高阶项。在我们的高超声速模型中，这一项是局部光滑的，因此理论精度可以保持。”
挡住了！而且是用最标准的数值分析语言挡回去的。
所有人都沉默着，仿佛间每个人都感觉得到，现在的林叶气势如虹，而徐子轩几乎已经到山穷水尽的地步了。
徐子轩整个人一滞，如果换做刚开始他还会惊叹于对方的基础竟然如此扎实，但是现在，他对这种情形已经没有意外。
但很快，他立刻抛出第二个问题：
“既然提到了换位子，那么在激波这种强间断处，导数不存在，你的李代数结构如何定义？光滑性假设失效，你的泰勒展开岂不是不成立？”
“我们不需要全局光滑。”林叶依然从容，“在间断处，我们利用弱形式下的积分恒等式。李群的指数映射在分布意义下依然有效，只要我们选取合适的基函数空间，比如间断有限元空间，代数结构依然封闭。”
“那计算量呢？”徐子轩继续追问，“Krylov子空间投影需要计算雅可比向量积。对于三千万网格的算例，每一步的Arnoldi迭代次数如果是30次，你的计算成本将是显式算法的数百倍！所谓的8.5倍加速，是不是只统计了时间步长，没统计单步耗时？”
“并没有。”林叶神色淡然，就像是在和一个刚入门的学弟解释习题，“我们使用了无矩阵技术，雅可比向量积通过有限差分近似，不需要存储矩阵，且由于李群算法的超收敛性，Krylov维度只需要取到15就足够了，综合算下来，单步耗时仅增加20%，但步长增加了几千倍，总收益依然是巨大的。”
……
接下来的时间中，两人就这样站在那里，一个在台下咄咄逼人，一个在台上闲庭信步。
一个问题接着一个问题，几乎毫无间隙。
徐子轩即使给人山穷水尽的感觉，但是他的问题却依然涵盖了泛函分析、数值代数、流体力学守恒律等各个角落，每一个都刁钻无比，甚至有些已经是在扣教科书里的生僻死角。
只不过，林叶的回答，却永远是那么快，那么准。
他就用现有的、大家公认的数学和物理知识，兵来将挡，水来土掩。
这一刻，偌大的报告厅内，除了两人一来一回的问答声，再无半点杂音。
台下的六百多名听众，早已从最初的看戏心态，变成了此刻的屏息凝神，甚至可以说是目瞪口呆。
那些坐在后排的年轻研究生们，虽然大半都听不懂他们在争论什么“弱形式积分”或者“无矩阵技术”，但这并不妨碍他们感受到那种只有在顶尖高手对决时才会迸发的火花。
一个一招接一招。
一个见招拆招。