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，像在看外星人，“这需要大量的训练数据和计算资源。而且，实时性怎么保证？神经网络推理也需要时间”
“预训练+轻量化模型。”姜宇说得很快，“用离线渲染的大量场景做训练，得到一个通用模型。部署时用简化的网络结构，配合gpu加