王浩感叹的说着打开纸条，仔细看了一眼下面的署名，然后就把纸条撕碎扔进了垃圾桶。
……
一直等回到综合楼办公室，王浩就没有心思想什么女学生的情书问题了。
他查看了一下任务系统，发现一节课下来‘任务一’只有一点灵感值增长。
一点……不可能吧！
王浩仔细看了又看，才确定自己没有看错。
整个课程进行过程中，系统只提示了一次灵感值增加，他仔细的想着课程中的收获，发现确实没什么提升，再看向数据感觉还是一样的。
虽然难度是A级别的研发，但只有可怜一点灵感的提升，都可以说是鼓励性质的增加。
为什么呢？
他仔细思考着有了答桉，“首先要对数据有足够多的了解，灵感值才能长得快一些。”
“如果没有任何了解，即便上再多的课程，灵感值增加速度也会非常缓慢。”
这和数学研究完全不一样。
数学研究可以理解为‘针对解决一个问题’，而在研究的初始，他对问题就已经很了解了。
比如，梅森素数的研究。他当然非常了解梅森数、梅森素数，同时也知道很多的数学方法，计算机方法。
在有足够多基础的情况下，上课的过程中，有教学的回馈增加想法，灵感值提升速度自然很快。
现在是针对一个项目的实验数据进行分析，因为对于实验本身缺乏了解，对于数据本身同时缺乏了解，首先做的应该是了解实验和数据，再然后才能够在回馈的内容中找到灵感。
之前做纳微实验室的实验数据分析时，他并没有意识到这个问题，主要是因为研究的难度很低，教学回馈的灵感值很多。
即便是那个时候，他也发现研究数据以及观看实验、让夏国斌帮忙讲解，对于灵感提升非常帮助。
现在难度提升了两个档次，对于基础了解就变得更加重要。
基础才是研发的支撑，连基础都不具备，如何解决问题呢？
王浩对接下来的方向很明确了，他要做的事情就是对于实验数据以及实验本身，有个非常全面的理解，才能加快研发速度。
下午一点。
综合楼办公室又热闹起来，倒不是因为人多，而是王浩再次登上了新闻。
企鹅集团发布了找到人类历史上最大的梅森素数。
“企鹅集团的数据中心和西海大学王浩教授合作，利用了他对梅森数的研究成果，找到了人类历史上最大的梅森素数。”
“这个梅森素数的序号是M7XXXXXXXX，计算出来的结果是以2为开头的亿位数字。”
“同时，这也是人类目前找到的唯一超亿位的素数。”