但是眾所周知，它很難求解。

        譬如說，假設嘗試模擬空氣湍流，納維-斯托克斯方程就是該領域的巔峰。

        通過解此偏微分方程，可以得知任何時間點的流體運動，并模擬將如何繼續運動或之前是如何運動的。

        但這些計算非常復雜且計算量很大，所以常常依賴超級計算機來進行數學運算。

        而這就是人工智能和智能神經網領域可以發揮作用的地方，它們可以通過使用深度學習來加快解決的速度，將對科學探索和工程應用產生很大的好處。

        桌上稿紙上的幾個問題，都是這方面的，想來是邱成桐留給自己學生的作業，上面還有部分已經寫上了答桉，徐川看的，正是有答桉那部分。

        “這條思路有點意思，通過在傅立葉空間中逼近傅立葉函數，來完成一系列的運算，不過這份答桉并不算完善，缺少了轉換無法降低糾纏性，也就無法精準的得到答桉。”

        稿紙上，一道題目的答桉引起了徐川的興趣。

        對于他來說，這種給研究生或者博士生考核用的問題，可以說一眼就能看出答桉和方法，也能看出答桉中的缺陷和問題。

        但上面的思路的確讓他有些意外，這是他沒想過的一條解決方法。

        這很正常。

        內容未完，下一頁繼續閱讀