原标题：清华姚班结业生开发新特效编程言语，99行代码完结《冰雪奇缘》，网友：大神碉堡！创世的高兴
边策 鱼羊 发自 凹非寺
量子位 报导 | 大众号 QbitAI
只用99行代码，你也能够像《冰雪奇缘》里的艾莎公主相同具有冰雪魔法。
尽管你不能在实际世界中任意变出魔法，但却能在核算机的虚拟世界挥洒特效。
或许你不知道，电影和动画中特效有时只是短短的一秒，却或许需求高功能核算机演算一周，花费惊人。
《冰雪奇缘》没有真人出演，预算却高达1.5亿美元，每一秒的镜头都是经费在焚烧。一般人想用电脑做出CG特效几乎不行幻想。
可是，最近一位来自我国的MIT博士，开发了一种新的CG特效编程言语 Taichi（ 太极），大幅度的下降了门槛。
△白色：雪；赤色：果冻；蓝色：水
一个简略的物理场景，一般PC仅需几分钟即可烘托完结，比较TensorFlow提速了188倍、比PyTorch快13.4倍，代码长度只要其他底层办法的十分之一。
装置它就像TensorFlow相同简略，运用起来也是差不多：
importtaichi asti
乃至，Taichi的发明者胡渊鸣同学还为此编写了完好运用教程。
关于Taichi，胡同学现已宣布了多篇文章，分别被SIGGRAGH 2018、ICRA 2019、NeurIPS2019、ICLR 2020等顶会录入。
核算机图形学闻名学者、北大教授陈宝权给出很高的点评：
给胡渊鸣同学点赞！一己之力开发了物理模仿编程言语 Taichi！
像渊鸣这样如此投入写有影响力的开源代码实在是难能可贵。
像SIGGRAPH这样的，或许要投入1~2年才会有效果，论文承受率低，即便能宣布出来，引用率也不高。
网友们在围观之后也纷纷表示：渊鸣大神太强了。
图形+体系+编译，真是创世的高兴。
88行代码模仿实在物理环境
正如胡同学自己所说，99行代码很短，背面的技能故事却很长。
故事的最初，要从Material Point Method（物质点法）说起。
MPM是一种在影视特效范畴广受喜爱的模仿连续介质办法，迪士尼的《冰雪奇缘》就用到了这项技能。
但在前期，MPM的运转速度十分慢，比方《冰雪奇缘》里安娜过雪地的镜头，听说要在集群上跑整整一个星期。
为了更好的进步MPM的运转速度和功能，在大四结业的那个暑假，胡渊鸣投入了Moving Least Squares MPM（MLS-MPM）的研讨。
胡渊鸣的创意是，用 移动最小二乘法一致AIPC（The Affine Particle-In-Cell Method）中的仿射梯度场（affine velocity field）和MPM中的变形梯度更新（deformation gradient update）两种离散化。
在宾夕法尼亚大学蒋陈凡夫教授的指导下，胡渊鸣等人完结了移动最小二乘物质点法（MLS-MPM）办法的研讨，不只完结了新的应力散度离散化，使MPM的运转速度快了 两倍，还成功模仿了MPM此前并不支撑的各种新现象。
比方资料切开：
刚性体的双向耦合：
这项效果终究宣布在了SIGGRAPH 2018上。
这个88行版别后来也成为了入门MPM的必备参阅完结。
天地（ChainQueen）可微物理引擎
2017年的夏天完毕之后，胡渊鸣正式进入MIT读博。
这时候，胡渊鸣又迸发了新的创意：求出MLS-MPM的导数。有了导数，就能只用梯度下降来优化神经网络控制器。
在这一思维的指导下，ChainQueen诞生了。
胡渊鸣解说说，chain是为了留念他在求导进程中被链式法则摧残的阅历，而ChainQueen则与 天地谐音。
天地依据MLS-MPM，是一种针对可变形目标的、实时的可微混合拉格朗日-欧拉物理模仿器。该模仿器在前向仿真和反向梯度核算中均完结了高精度。
这项研讨宣布在了ICRA 2019上，胡渊鸣也以此完结了硕士论文。
DiffTaichi
随后，胡同学将作业又推动一步，提出了可微分编程DiffTaichi，被ICLR 2020录入。
在这篇文章的代码中，胡同学创建了10个不同的物理模仿器，并依据现有基准对其功能进行基准测验。
Taichi中的可微分编程，能够终究靠蛮力的梯度下降有效地优化神经网络控制器，而不用运用强化学习。
10种可微分模仿器中的大多数模型能够在2-3小时内完结，并且大部分不需求GPU。这些示例中，弹性体、刚体、流体、光线的折射、弹性磕碰，常见物理环境包罗万象。
第一个示例 可微分弹性目标模仿器，通过咱们的实测，在2017版13寸的MacBook Pro上也能运转，并且完结优化只需不到十分钟的时刻：
不只是2D，更杂乱的 3D弹性体也能模仿：
还有可微分的 3D流体模仿器，通过450步的梯度下降迭代，现已十分传神：
DiffTaichi模仿水对光线折射的烘托器，一张图片通过它的烘托，乃至能骗过图画分类器。通过测验，VGG16将带有水波纹的松鼠图片作为金鱼，并且以为概率为99.91%。
在强化学习的模仿环境中，刚体机器人很常见，DiffTaichi也能模仿：
DiffTaichi还能模仿多个物体的杂乱场景，比方台球：
用Taichi言语编写的模仿器大大简化了代码，可微分弹性目标模仿器只用了110行代码，而直接用CUDA编写则需求490行。
一起，Taichi的速度还很快，比较CUDA版别基本上没有什么丢失，比TensorFlow快了188倍，比PyTorch快13.4倍。
并且神经网络控制器一般只需求几十次迭代，即可完结优化。
为何做Taichi
谈到为何要做Taichi，核算机图形学一向缺少像TensorFlow那样的通用东西，每个要从事开发的人都必须了解基本原理，才干去做编程。
这和深度学习范畴形成了明显的比照。
近年来，乃至有中学生，运用TensorFlow或许PyTorch，写一点代码，优化几个模型，就能够在一些顶会上宣布论文，许多人看来，这是件坏事，由于让深度学习论文的含金量大幅度的下降。
但胡渊鸣看到了另一面。他以为，深度学习这些年之所以能开展快、门槛低，便是由于有简略易用的好东西，核算机图形学让人望而生畏，便是由于缺少相似的东西，因而他开发了Taichi。
原本Taichi要做成一种独自的编程言语，可是为了便利我们运用，胡渊鸣用了一句import taichi as ti把Taichi言语假装成Python。
改成依据Python，这样做的优点不只是下降学习门槛，还能运用许多现成的Python IDE，与numpy、matplotlib等东西库无缝联接。
通过几个月的尽力，胡渊鸣总算把Taichi改成了pypi装置包，让不同装备不同操作体系的机器都能顺畅运转图形学的程序。
高一保送清华，博一6篇paper
说起胡渊鸣，这又是一位从少年时代起就熠熠亮光的“大神级”选手。
高一保送清华，比赛生计中，拿下APIO 2012、NOI 2012、ACM-ICPC 2013长沙区域赛、ACM-ICPC上海区域赛四块金牌，其间APIO 2012成果是全场第一名。
2013年进入清华姚班，胡渊鸣与陈立杰、范浩强等人成为同班同学，这群年轻人的才调在这里会聚、磕碰，与“姚班”二字彼此成果。
本科期间，胡渊鸣先后前往东京大学、斯坦福大学访学，并曾于微软亚洲研讨院实习，从事深度学习和核算机图形学研讨。本科便有多篇论文中选CVPR、SIGGRAPH等世界顶会。
2017年，胡渊鸣进入MIT读博。入学13个月后，完结硕士论文ChainQueen，拿到MIT硕士学位。博一期间，共宣布6篇顶会论文。
最终，假如想了解这99行代码背面更多的研讨进程，无妨读一读胡渊鸣自己的知乎专栏文章。大神不只代码写得好，码字和蒸鸡蛋也是能手呢~
传送门
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
作者系网易新闻·网易号“各有情绪”签约作者
— 完—
AI白皮书 | 未来工业智能
······ 戳下图即可检查IDC我国的陈述解读。
完好陈述下载方式：在量子位大众号后台回复“AI落地白皮书”。
跟大咖沟通 | 进入AI社群
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追寻AI技能和产品新动态
喜爱就点「在看」吧 !
责任编辑：
