30-40(14/51)
仅仅嗅到他身上的气息，就紧张得满手薄汗。笔记本往陆承风那里挪了挪，他手指点按触控屏，体验基本功能。
“你们当前的数据是怎么获取的？”
“爬虫爬取的气象网和卫星云图网等几个网站的数据。”
“气象网会提供相应的预测结果，你们在现有版块加入进去，这应当不难？”
云挽摇摇头，“我们项目报名的是人工智能方向，仅仅只做数据爬取，不符合报名要求。”
陆承风想了想：“你希望实现什么样的功能？”
“基于神经网络算法，构建一个自己的算法模型。”
“对准确率有要求吗？是短期预测还是中期预测？”
“一天至一周之内的结果预测，准确率当然是越高越好。”
云挽并未受打击，“可以告诉我难点具体在哪些方面吗？”
“解释起来可能有些枯燥。”
“没关系。了解得越多，我越能知道怎么入手——如果不耽误你时间的话。”
“这倒不会。”陆承风笑说。
他合上笔记本，递还给云挽，从一旁拿过一叠A4纸，和一支红色圆珠笔。
“我们通常所说的大气，实际由压力、密度、风速、温度、湿度这7个物理量构成。”陆承风在白纸上，写下这几个物理量的简写。
“7个？”
“风速有z、v和x三个方向，所以加起来是7个。”
云挽点头，示意她跟上了，他可以继续往下说。
“状态方程、热力学和水汽方程、连续方程以及基于流体力学的运动方程——这是个矢量方程，可以拆成三个方向的单独公式——这样一共七个方程，构成了大气运动的基本方程组。理论上，只要知道上述7个物理量的初始值，带入方程组，就能算出任一时刻的大气状况。”
云挽目不转睛地盯着陆承风在空白纸上的板书，或许为了跟上解说速度，他写字要比平常潦草一些，但仍然是好看的。
云挽瞧着满满两页纸的内容，她一个自己专业课都似听非听的人，却完完整整地听完了陆承风的这一堂课，“……确实是我把这个问题想得太简单了。”
陆承风稍有分神，直到云挽抬头看了他一眼，他继续说：“……要实现精准的数值模拟天气预报，需要极其庞大的计算量，欧洲气象中心的IFS系统，一次预测，需要三小时，15亿次的运算。”
“到时候发Nature，我让你挂个二作。”
陆承风看见这一闪而逝的笑容，难免有些意外。云挽是个不怎么喜欢笑的人，虽然她并不难
“这就是现在天气预报的原理吗？”云挽问。
云挽点头：“FourCastNet.不过我看报道，它虽然空间分辨率很高，运算速度很快，但是准确率并不高。原因似乎是天气预报是一个三维的系统，而FourCastNet只训练了二维的数据。我查了一些资料，但还是没有搞清楚三维的难点在哪里。”
“所谓的蝴蝶效应？”
“目前主流的天气预报是数值模拟，就是将连续的空间和时间离散化，按照经纬度，把空间划分成一个个网格……”
在纸上做演算示范时，陆承风看了云挽一眼。
“我相信未来的你一定能解决这个难题，构建一个绝对精准的AI算法模型。”
云挽自然懂得这是怎样一个概念——要拿她这台笔记本电脑做同样的运算，估计得花上100风。
虽然往后必然也会走上教