清华姚班毕业生开发新殊效编程言语，99行代码完成《冰雪奇缘》，网友：大神堡垒
只用99行代码，你也可以像《冰雪奇缘》里的艾莎公主一样拥有冰雪邪术。
固然你不克不及在实际天下中肆意变出邪术，但却能在盘算机的假造天下挥洒殊效。
大概你不晓得，影戏和动画中殊效偶尔仅仅短短的一秒，却约莫必要高功能盘算机演算一周，破费惊人。
《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熄灭。平凡人想用电脑做出CG殊效几乎不成想象。
但是，迩来一位来自中国的MIT博士，开发了一种新的CG殊效编程言语Taichi（太极），大大低落了门槛。
△白色：雪；赤色：果冻；蓝色：水
一个简便的物理场景，平凡PC仅需几分钟即可渲染完成，比拟TensorFlow提速了188倍、比PyTorch快13.4倍，代码长度仅有其他底层办法的十分之一。
安装它就像TensorFlow一样容易，使用起来也是差不多：
乃至，Taichi的创造者胡渊鸣同砚还为此编写了完备使用教程。
关于Taichi，胡同砚以前公布了多篇文章，分散被SIGGRAGH 2018、ICRA 2019、NeurIPS2019、ICLR 2020等顶会收录。
盘算机图形学着名学者、北大传授陈宝权给出很高的评价：
给胡渊鸣同砚点赞！一己之力开发了物理模仿编程言语 Taichi！
像渊鸣如此云云投入写有影响力的开源代码真实是难能忧伤。
像SIGGRAPH如此的，约莫要投入1~2年才会有后果，论文承受率低，即使能公布出来，引用率也不高。
网友们在围观之后也纷繁表现：渊鸣大神太强了。
图形 体系 编译，真是创世的兴奋。
88行代码模仿真实物理情况
正如胡同砚本人所说，99行代码很短，眼前的武艺故事却很长。
故事的开头，要从Material Point Method（物质点法）提及。
MPM是一种在影视殊效范畴广受喜爱的模仿一连介质办法，迪士尼的《冰雪奇缘》就用到了这项武艺。
但在早前，MPM的运转速率十分慢，好比《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。
为了提高MPM的运转速率和功能，在大四毕业的谁人暑期，胡渊鸣投入了Moving Least Squares MPM（MLS-MPM）的研讨。
胡渊鸣的灵感是，用挪动最小二乘法一致APIC（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）两种散伙化。在宾夕法尼亚大学蒋陈凡夫传授的引导下，胡渊鸣等人完成了挪动最小二乘物质点法（MLS-MPM）办法的研讨，不仅完成了新的应力散度散伙化，使MPM的运转速率快了两倍，还告捷模仿了MPM此前并不支持的种种新征象。
好比质料切割：
刚性体的双向耦合：
这项后果终极公布在了SIGGRAPH 2018上。
为了进一步证实MLS-MPM的浅易性，胡渊鸣用88行C 代码完成了MLS-MPM的demo。（代码具体请戳文末 taichi_mpm 项目链接）。
这个88行版本厥后也成为了入门MPM的必备参考完成。
乾坤（ChainQueen）可微物理引擎
2017年的炎天完毕之后，胡渊鸣正式进入MIT读博。
这时分，胡渊鸣又迸发了新的灵感：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。
在这一头脑的引导下，ChainQueen诞生了。
胡渊鸣表明说，chain是为了怀念他在求导历程中被链式端正折磨的履历，而ChainQueen则与乾坤谐音。
乾坤基于MLS-MPM，是一种针对可变形目标的、及时的可微殽杂拉格朗日-欧拉物理模仿器。该模仿器在前向仿真和反向梯度盘算中均完成了高精度。
这项研讨公布在了ICRA 2019上，胡渊鸣也以此完成了硕士论文。
DiffTaichi
随后，胡同砚将事情又推进一步，提出了可微分编程DiffTaichi，被ICLR 2020收录。
在这篇文章的代码中，胡同砚创建了10个不同的物理模仿器，并依据现有基准对其功能举行基准测试。
Taichi中的可微分编程，可以经过蛮力的梯度下降好效地优化神经网络控制器，而不必使用强化学习。
10种可微分模仿器中的大大多模子可以在2-3小时内完成，并且大局部不必要GPU。这些示例中，弹性体、刚体、流体、光源的折射、弹性碰撞，稀有物理情况包罗万象。
第一个示例可微分弹性目标模仿器，颠末我们的实测，在2017版13寸的MacBook Pro上也能运转，并且完成优化只需不到十分钟的时间：
不仅是2D，更繁复的3D弹性体也能模仿：
另有可微分的3D流体模仿器，颠末450步的梯度下降迭代，以前十分传神：
DiffTaichi模仿水对光源折射的渲染器，一张图片颠末它的渲染，乃至能骗过图像分类器。颠末测试，VGG16将带有水波纹的松鼠图片当做金鱼，并且以为概率为99.91%。
在强化学习的模仿情况中，刚体机器人很稀有，DiffTaichi也能模仿：
DiffTaichi还能模仿多个物体的繁复场景，好比台球：
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编写则必要490行。
同时，Taichi的速率还很快，比拟CUDA版本几乎没有什么丧失，比TensorFlow快了188倍，比PyTorch快13.4倍。
并且神经网络控制器寻常只必要几十次迭代，即可完成优化。
为何做Taichi
谈到为何要做Taichi，盘算机图形学不休缺乏像TensorFlow那样的通用东西，每个要从事开发的人都必需了解基本原理，才干去做编程。
这和深度学习范畴构成了光显的比力。
比年来，乃至有中学生，使用TensorFlow大概PyTorch，写一点代码，优化几个模子，就可以在一些顶会上公布论文，很多人看来，这是件恶事，由于让深度学习论文的含金量大大低落。
但胡渊鸣看到了另一面。他以为，深度学习这些年之以是能提高快、门槛低，就是由于有简便易用的好东西，盘算机图形学让人望而却步，就是由于缺乏相似的东西，因此他开发了Taichi。
原本Taichi要做成一种单独的编程言语，但是为了便利各位使用，胡渊鸣用了一句import taichi as ti把Taichi言语伪装成Python。
改成基于Python，如此做的利益不仅是低落学习门槛，还能使用很多现成的Python IDE，与numpy、matplotlib等东西库无缝衔接。
颠末几个月的积极，胡渊鸣终于把Taichi改成了pypi安装包，让不同设置不同利用体系的机器都能顺遂运转图形学的步骤。
高一保送清华，博一6篇paper
提及胡渊鸣，这又是一位从少年年代起就熠熠闪光的“大神级”选手。
高一保送清华，比赛生活中，拿下APIO 2012、NOI 2012、ACM-ICPC 2013长沙地区赛、ACM-ICPC上海地区赛四块金牌，此中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砚，这群年轻人的才华在这里会聚、碰撞，与“姚班”二字互相成果。
本科时期，胡渊鸣先后前去东京大学、斯坦福大学访学，并曾于微软亚洲研讨院练习，从事深度学习和盘算机图形学研讨。本科便有多篇论文中选CVPR、SIGGRAPH等国际顶会。
2017年，胡渊鸣进入MIT读博。开学13个月后，完成硕士论文ChainQueen，拿到MIT硕士学位。博一时期，共公布6篇顶会论文。
最初，假如想了解这99行代码眼前更多的研讨历程，无碍读一读胡渊鸣本人的知乎专栏文章。大神不仅代码写得好，码字和蒸鸡蛋也是能手呢~
