学期总结

又开学了，记录一下上学期的学习。

一共有五门课程，分别是Computational physics, Space weather, Data analysis in space science, Remote sensing, Space science entrepreneurship。

Computational physics

课程URL：https://quantummc.xyz/teaching/hku-phys4150-8150-2022/

课程内容本身自己比较感兴趣而且能感受到老师本人对学科的热爱。

主要介绍了一些常用的数值计算方法以及对应在物理中的运用，从导数，偏导到矩阵特征值和蒙特卡洛。对我而言课程的难点和兴趣点均在对物理问题的理解。初次了解物理独有的算符、粒子自旋、哈密顿量、薛定谔方程……

能有机会得以在物理大门的门口进行窥探也很不错，有点后悔没有选《相对论》，物理的学习门槛有点高，如果不是课程一步步的辅导，自学可能会很困难。

Space weather

主要内容是太阳内部结构和外部环境以及地球大气层。电磁学复健中。了解到了太阳到地球之间的物理状况，以及太阳活动对地球的影响，侧重点在磁气层和电离层，内容本身是挺复杂的。这些内容可能对航天器设计比较重要。

课程Pre是关于伽利略卫星的，我们组选择了木卫二Europa，因为其冰下海洋使其成为太阳系中最有可能宜居的地点之一，NASA的Europa Clipper探测器航行任务将在2024年10月发射，木卫的相关资料感觉也是以NASA的为主，期待新发现。

Data analysis in space science

这门课以R的学习和数据分析为主，跟空间关系不大。相较于本科的数据分析课程对梯度下降和反向传播的讲解会深入一点。

作业用Tensorflow建神经网络对脉冲星数据进行分类，因为对神经网络理解还不够深入，感觉有点回到本科调包调参的过程中。R对向量化的操作很简洁，但神经网络这块Python还是比R好用。

Remote sensing

内容比较广泛，不算很深入，作业相较于本科能感受到老师有用心，想要循序渐进的引导学生探索学习，而非让我们对着教程自学，但是遥感图像的处理还是比较耗耐心。

Space science entrepreneurship

前半部分以商业为主，个人如何寻找自己的创业点，初创公司建立和发展的关键问题，公司结构等问题，后半部分是商业太空领域一些热门点(卫星群、空间站、太空太阳能、重复使用的火箭、太空挖矿……)的发展现状。因为写作业，看完了《创新者的窘境》，讲了初创企业创新破圈的问题，可惜个人并没有创业的壮志。对国内外商业领域有了些初步了解，觉得目前发展最快的还是自Starlink之后低轨卫星群的建设，可对偏僻区域提供信号，及时响应灾难。航天科技公司的老板几乎每节课都来(是令人尊敬的女性)，拥有丰富经验和金钱的人在贯彻终身学习的理念。

虽然还是会有一些焦虑和应付了事的时候，但时间的自我掌控度极高。

很高兴重新开始学习物理，也很幸运有很多奇奇怪怪的机会，看到了厉害的人。觉得能在某个方向基础扎实了解深入总是富有魅力的。在机构和学校合作的会议上看到大佬侃侃而谈计算机体系和城市规划之间架构上的相似性，觉得学习又多了些乐趣。

做初探神经网络的作业的过程中，看到梗直哥的解说，进而看到Steven Strogatz对非线性系统的分类：

混沌理论在中间，比三体问题非线性稍弱，神经网络维度更高，非线性也更强。免疫学，生态系统，经济型和量子理论都在其中 ，其复杂性来自非线性的不稳定 和对初值的敏感。

原来三体问题的维度低于神经网络，而Space Weather课程中涉及到的Plasma是更复杂的内容，属于时空复杂分析，这又与城市建模中的时空分析有多少联系呢？

虽然和找工作方向不太相关，但还是忙碌和有收获的一学期。