“两个数学方法而已，前者用来处理椭圆曲线产生的数据，后者用来分解数据得出最终结论。
对了，关于超相性数字分解法，它是基于相性数据结构基础上做出的复杂算法应用，正好样刊寄来了，你们可以先去看看样刊上的论文，有助于你们掌握这个方法。”
前者不能确定，但后者很明显是颜安为了解决因数分解问题特意整出来的方法。
真不知道是对因数分解算法有打算在前，还是意外发现了相性数据结构能派上用场。
总之这两者的关联让众人忍不住浮想联翩，前者显得颜安布局长远，后者则巧合更多一些，但也掩盖不了他的光辉。
这不是一般的学生，以他展现出的能力来看，在研究过程中顺手开发两套工具出来，似乎也不是什么难以理解的事情。
毕竟，连因数分解算法都给整出来了，再有什么成绩，也不觉得夸张，都是合理的。
第二个问题，“叶罗林构造流是什么？”
论文的前三页是数域筛法的内容，而从第四页开始到第二十九页，讲解的是一个他们又没有听过的概念。
整整二十五页的篇幅，祝镜光翻了翻，哪怕是复杂维态转化法和超相性数字分解法两个方法加起来也不过占据四十页的内容。
这样一对比，叶罗林构造流似乎也是个非常重要的点，但偏偏就是这样一个重要的知识点，却不能算是因数分解算法中的一部分。
“一个转换用的工具，虽然不直接参与到计算中，但它应该能算是这一整个因数分解算法的核心。
因为我们第一步采用的是数域筛法构造出一个代数数域，第二步则是在取得较小结果作为f后，引入椭圆曲线进行求解。
这两种方法之间没有直接联系，所以我们需要用叶罗林构造流进行数据转换。
如果没有它的话，直接采用椭圆曲线最终也得不到拟真因子，而没有拟真因子的话，即便使用复杂维态转化法也毫无意义。”
对颜安来说，整个因数分解算法难点只有两个。
一个是超相性数字分解法，作为一种算法它处理的数据的是极大的，而操作的步骤也非常多，颜安花了一天的时间才将其完全吃透掌握。
另一个难点则是叶罗林构造流，尽管当时他只用了半小时就将其掌握，但那是在他状态极好的情况下办到的。
如果让他现在学，可能要用两三个小时才能搞定。
“那为什么要
…。。