毕竟像这样志愿支教的老师人数还是太少，而往往只会支教一两年便离开，山村老师缺乏的情况很难得到根本的解决。
如果真能实现人工智能充当知识教师的职能，无疑会极大地缓解山村教师缺乏的问题——当然，这也涉及资金的问题，如果机械人教师的成本远远高于人力成本，大概这个计划也只能是镜花水月。
不管怎么说，秦克原本就对人工智能、芯片技术乃至材料技术有兴趣，等完成物理方面的学习与科研后，继续加强这三个方向的科研也是不错的选择。
……
当秦克和宁青筠正在石村青柠小学进行参观视察时，纽约大学，物理学院的某个办公室里，斯雷尼瓦桑教授正在翻阅着手头上的学生论文，并给出点评意见。
斯雷尼瓦桑教授今年已经65岁了，作为米国的两院院士，米国流体力学方面尤其是湍流方面的权威人士，他目前依然奋斗在科研界的第一线，不过因为年纪渐大精力不继，已慢慢将重心转移到培养学生身上。
这时他的助理礼貌地敲门而入：“斯雷尼瓦桑教授，您的邮箱里有一篇新收到的审稿邀请，是来自《物理评论快报》的。请问您是否有兴趣？”
“PRL的审核邀请？”斯雷尼瓦桑教授与PRL倒是合作过几次，他自己也曾在上面发表过不下十篇的论文，所以点头道：“好，你帮我打印出来。”
年纪大了，虽然可以戴着老花镜，但整天盯着电脑屏幕仍会让老教授感觉眼睛干涩，他依然习惯看纸质的论文。
助理很快就打印好，递来了双面打印的三页稿纸。
PRL的论文往往不会很长，这也是斯雷尼瓦桑教授愿意放下手里的工作，优先处理审稿邀请的原因。
“《运用N-S方程对大尺度环流形态及动能变化特性的研究》？很久没看到湍流大尺度的论文了。”
湍流有大尺度、中尺度、小尺度之分，所谓的尺度，主要指湍动能串级过程里的影响范围，通俗简单地解释一下三者的区别与联系，那就是：
大尺度湍流像是大型蓄电池，不断从外界获取能量并输出给中尺度湍流，中尺度湍流则输出能量给小尺度湍流，流动的雷诺数越大，蓄能的大尺度和耗能的小尺度之间的惯性区域越大。
斯雷尼瓦桑教授主要研究方向是湍流的小尺度，但对大尺度与中尺度绝不陌生，甚至可以说同样精通。
近几十年来研究环流的人很多，但主要是通过观测数据、理论推导以及实验模拟来进行研究，像是这样通过N-S方程来对大尺度环流形态变化特性进行研究，还是第一次看到。
斯雷尼瓦桑教授提起了兴趣，起码PRL初审复审、进入同行专家评审环节的论文，肯定是有相当水准的。
而且助理打印的还有邮件正文内容，也让斯雷尼瓦桑教授感觉有点意思。
因为上面写明了，请斯雷尼瓦桑教授审核第二页最后的结论部分，以及后面的物理部分。
斯雷尼瓦桑教授还是第一次见到如此奇怪的审稿邀请，哪有让审核专家只审核论文其中一部分的？那到时审核结果怎么写？难道写“本人的审核结果只对第二页最后部分及后面的物理部分负责”？
最让他好奇的是，按这邮件的说法，难道前面两页不是物理内容？
斯雷尼瓦桑教授放下打印了邮件正文内容的A4纸，拿起那三张打印了论文的稿件认真地翻看起来，如责编沙利文一样，他也被开头部分的复杂数学推导给震住了。
这确定不是数学论文？
“难怪PRL说不用我审核前面两页的内容……我还真没法子审核。”斯雷尼瓦桑教授不由自嘲地笑了起来。
研究了一辈子的流体力学以及湍流，还是第一次有相关的论文使得自己在开头就碰了壁。
他继续看后面的文字描述内容。
嗯？斯雷尼瓦桑教授坐直了身子，越看越是专注。
现在湍流动能基本蕴含在大、中尺度环流中，而大、中尺度环流蕴含的动能如何耗散、进而驱动湍流混合则仍是物理学界的未解之谜。
但在这篇论文里，作者通过一系列精巧的模拟实验，证明了湍流尺度之间对称不稳定是有效实现该能量正向级串的重要途径之一，并指出大尺度环流—中尺度涡旋—亚中尺度过程—小尺度湍流之间能量级串耗散会诱发强湍流混合现象。
这是业界从未发现的新结论！
一旦被证实，将会对粗分辨率气候模式模拟具有重要参考价值，还能应用到气候变化并对其进行准确预测上。如果运用到厄尔尼诺的研究上，还将会从全新的角度分析海洋在不同厄尔尼诺状态之间的关联，有助于进一步理解厄尔尼诺现象！
最让斯雷尼瓦桑教授惊讶的是，这些结论并不是通过观测得出来的，而是通过数学推导，根据N-S方程推演出来的！而论文里的模拟实验部分内容，不过是对这些数学推演结果的验证。
哪怕世人皆知物理离不开数学，湍流更离不开数学，但从没有人能通过数学来如此准确地推演出大尺度环流形态变化特性及其背后的动能耗散变化！
斯雷尼瓦桑教授愣了好会儿才回过神来，赶紧看论文的作者。
本小章还未完~.~，请点击下一页继续阅读后面精彩内容！