第4章 ：勾引到手 (第2/3页)
3。
他打开ETRADE的网页，2005年，这家在线券商已经支持国际账户开户，前世他第一个美股账户就是在这里开的。
填写个人信息：姜宇，中国籍，F-1签证，南加大学生，美国地址，中国永久地址（湖北大冶），年收入（填写：父母资助10万美元/年）。
最关键的一步：投资经验。
他勾选了“有经验（3年以上）”，并注明“在中国参与过股票和期货交易”。
这不算完全撒谎，前世确实有，只是这一世还没有。
然后是风险承受能力问卷。
他全部选了最高风险偏好：“可以接受本金损失50%以上”“寻求高增长，不追求稳定收益”“投资期限3-5年”。
最后是杠杆申请。
2005年，美股保证金账户对国际学生相对严格，但并非不可能。
他申请了5倍杠杆，即用10万美元本金，最多可购买50万美元市值的股票。
这意味着如果股价下跌20%，他就会爆仓，本金全损。
高风险，高回报。
提交申请。
页面提示：“审核通常需要3-5个工作日。在此期间，您可以用现金账户交易。”
姜宇关掉页面。
“...接下来是课程注册指导。”丽莎切换到下一张PPT，“交换生必须在本周三前完成所有课程注册。这是电影艺术学院的课程列表...”
姜宇看向屏幕。
《数字媒体技术基础》《电影视觉特效史》《计算机动画原理》《实时渲染算法》...都是他前世早就精通的内容。
他还是认真记下课程编号和教授名字。
.......
下午1:30，工程学院计算机楼三层，实验室。
姜宇按照课程表找到《实时渲染算法》的实验室。
推门进去，房间里只有六七个人，全是男生，空气中弥漫着代码和速食面的味道。
周牧坐在角落，面前两台显示器，正盯着满屏的数学公式和代码。
“嗨。”姜宇走过去，在他旁边坐下。
周牧抬头，推了推眼镜：“姜宇？你也选这门课？”
“嗯。”姜宇看了眼他的屏幕，“在优化光子映射的内存结构？”
“对。”周牧眼睛亮了，“我发现传统的光子图存储方式太浪费，80%的光子最终不会对最终图像产生显著贡献。我想用重要性采样和自适应存储...”
他又开始滔滔不绝。
姜宇耐心听了五分钟，然后开口：“为什么不试试用机器学习预测光子重要性？”
周牧愣住。
“2005年，机器学习在图形学中的应用几乎是空白。”
姜宇继续说，“已经有论文开始探索用神经网络做降噪、超分辨率。如果我们训练一个网络，输入场景的几何、材质、光源信息，输出每个光子对最终图像的贡献权重...提前剔除低权重的光子，存储开销可以降低70%以上。”
“这...”周牧盯着他，像在看
（本章未完，请点击下一页继续阅读）