清华yao班毕业生开发新的特效编程语言，99行代码实现《冰雪奇缘》创造的喜悦量子比特
只需99行代码，你也可以像“冰雪奇缘”中的“艾莎公主”一样使用冰魔法。
你不能在现实世界中使用魔法，但你可以在电脑虚拟世界中使用特效。
您可能不知道，在电影和动画中1秒的特殊效果，有时会使用高性能的计算机计算一周。
《冰雪奇缘》没有真人出演，却花了1.5亿美元的预算，每秒钟都要花钱。我不敢想象普通人会用电脑制作CG。
但是，最近来自中国的MIT博士开发了新的CG编程语言Taichi（太极），大幅降低了门槛。
简单的物理场景可以在几分钟内在普通电脑上渲染，比TensorFlow快188倍，比PyTorch快13.4倍，代码长度是其他底层方法的十分之一。
它可以像TensorFlow那样轻松安装，使用起来也很方便。
是asti。
此外，Taichi的发明人胡渊鸣的学生为此编写了完整的使用教程。
Taichi、胡同学刊登了SIGGRAGH2018、ICRA2019、NeurIPS2019、ICLR200等报道。
计算机图形学著名学者，北大教授陈宝权给予很高评价：
网友也纷纷表示“渊鸣大神太强了”。
再现真实物理环境的88行代码
[胡同学]正如本人所说，99行代码很短，但其背景下的技术情节却很长。
故事的开始是材质点方法。
所谓MPM，迪斯尼的「冰雪奇缘」也被使用，是在映像的特殊效果的领域被广泛使用的模拟连续媒体的手法。
但是，在初期，MPM的动作速度非常慢，例如在《冰雪奇缘》中安娜下雪的场景中，在集群上跑了一周。
为了提高MPM的动作速度和性能，4年级的暑假致力于Moving Least Squares MPM（mls-mpm）的研究。
胡渊鸣的提示是这样的。“APIC”的仿射梯度场和MPM的变形梯度更新通过移动最小二乘法统一。
在宾夕法尼亚大学蒋陈凡夫教授的指导下，胡渊鸣等人进行了移动最小二乘物质点法（MLS-MMM）的研究，实现了新的应力发散度离散化，不仅使MPM运行速度提高了一倍，还成功模拟了MPM此前不支持的各种新现象。
比如素材的切割
是刚性体的双向结合
这一成果在SIGRAPH2018上公布。
此外，为了证明MLS-MMM的简单性，[胡渊鸣]在88行C++代码中实现了MLS-MMM演示。（有关代码的详细信息，请在文末的“Taichi]_mpm项目”链接上盖章）
此88行版本是条目MPM的必需参考实现。
乾坤（ChainQueen）微物理引擎。
2017年夏天结束后，从“胡渊鸣”进入“MIT”。
在这里，胡渊鸣产生了新的想法。求MLS-MMM的微分。如果有微分系数，只需梯度下降就可以优化神经网络控制器
在这个想法的基础上，ChainQueen诞生了。
胡渊鸣，chain是为了纪念被连锁法则折磨的经验，ChainQueen是乾坤的谐音。
基于乾坤的MLS-MMM是可变形对象的实时微混合拉格朗日-欧拉物理模拟器。这个模拟器在前向模拟和逆梯度计算中都实现了很高的精度。
该研究发表于ICRA2019，胡渊鸣作为硕士论文完成。
DiffTaichi
之后，胡同学进一步推进了提出ICLR200中收录的可微分编程DiffTaichi的工作。
在这篇文章的代码中，胡同学创建了10个不同的物理模拟器，根据现有的标准对其性能进行基准测试。
[Taichi]的可微分编程无需使用强化学习，通过力动态梯度下降可有效优化神经网络控制器。
10种可微分模拟器的大多数模型可以在2-3小时内实现，大多数不需要GPU。在这些例子中，弹性体、刚体、流体、光线折射、弹性碰撞，常见的物理环境一应俱全。
作为第一个例子的微分弹性对象的仿真器，根据我们的实测结果，在2017年版的13英寸的MacBook Pro中也进行了动作。而且，完成优化不到10分钟。
它不仅可以模拟二维，还可以模拟更复杂的三维弹性体
还有一个三维流体模拟器，它可以重复450步的梯度下降
DiffTaichi模拟水对光的折射的渲染器，通过渲染一张图像，也可以欺骗图像分类器。测试结果显示，VGG16以99.91%的概率将有水波纹的松鼠图像比作金鱼。
在强化学习的仿真环境中，刚体机器人很常见。还可以模拟DiffTaichi。
DiffTaichi也可以模拟台球这样复杂的场景：
[Taichi]用语言编写的仿真器大大简化了代码，微分弹性对象仿真器用110行代码编写，但如果用CUDA编写，则需要490行代码。
另外，[Taichi]的速度与CUDA版相比也几乎相同，与TensorFlow相比是188倍，与PyTorch相比也是13.4倍。
此外，神经网络控制器可在数十次迭代中完成优化。
为什么要做Taichi
为什么要做“Taichi”，因为电脑显卡没有“TensorFlow”这样通用的工具，从事开发的人谁都必须知道基本的事情才能编程。
与深度学习的世界形成鲜明对比。
最近，即使是中学生，也可以用TensorFlow和PyTorch写一些小代码，优化一些模型，在一些会议上发表论文，但很多人认为这是深度学习论文偏差值下降的坏事。
但是胡渊鸣看到了另一面。这几年，深造迅速进步，门槛低，是因为有简单易用的工具，不擅长电脑图形，是因为没有接近它的工具，所以开发了Taichi。
本来，Taichi是打算使用别的编程语言的，但是为了让大家容易使用，使用胡渊鸣importTaichiasti，把Taichi语言伪装成Python。
通过更改为基于Python，不仅可以降低学习门槛，还可以使用现有的Python IDE与numpy、matplotlib等库无缝协作。
经过几个月的努力，[胡渊鸣]将[Taichi]更改为pypi仪器包，使其能够在带有各种os的机器上运行图形程序。
高1推荐清华，博一6篇paper
胡渊鸣这也是从少年时代开始闪耀的“大神级”选手。
高1推荐清华，竞技生涯中，获得APIO2012、NOI2012、ACM-ICPC2013长沙地区大赛、ACM-ICPC上海地区大赛4枚金牌，其中APIO2012成绩均为第一名。
2013年进入清华yao班，成为胡渊鸣和陈立杰、范浩强等同学，这群年轻人的才华在这里汇聚、碰撞，和“yao班”二字互相成就。
在本科就读期间，胡渊鸣留学于东京大学、斯坦福大学，在微软亚洲研究院实习，从事深度学习和计算机图形研究。学院在CVPR、SIGGRAPH等国际研讨会上发表了很多论文。
2017年，胡渊鸣进入了MIT读博。入学13个月后，完成硕士论文ChainQueen，取得MIT硕士学位。期间，发表了6篇论文。
最后，如果您想了解这99行代码背后的更多研究过程，请务必阅读胡渊鸣本人的知乎专栏。大神不仅仅是代码，代码字和蒸鸡蛋也很好呢~
是传送门
胡渊鸣原文：https//ZhuanLAN.zhihu.com/p/97700605
论文地址：https：//arxiv.org/ABS/1910.00935
太极项目地址：https：//github.com/yuanming-Hu/Taichi
Taichi_mpm项目地址：https：//github.com/yuanming-Hu/Taichi_mpm
-结束了