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魔法。

虽然你不能在现实世界中肆意变出魔法，但却能在计算机的虚拟世界挥洒特效。

△白色：雪；红色：果冻；蓝色：水

一个简单的物理场景，普通PC仅需几分钟即可渲染完成，相比TensorFlow提速了188倍、比PyTorch快13.4倍，代码长度只有其他底层方法的十分之一。

安装它就像TensorFlow一样容易，使用起来也是差不多：

甚至，Taichi的发明者胡渊鸣同学还为此编写了完整使用教程。

关于Taichi，胡同学已经发表了多篇文章，分别被SIGGRAGH 2018、ICRA 2019、NeurIPS2019、ICLR 2020等顶会收录。

计算机图形学知名学者、北大教授陈宝权给出很高的评价：

给胡渊鸣同学点赞！一己之力开发了物理模拟编程语言 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，可能要投入1~2年才会有成果，论文接受率低，即使能发表出来，引用率也不高。

88行代码模拟真实物理环境

正如胡同学本人所说，99行代码很短，背后的技术故事却很长。

故事的开头，要从Material Point Method（物质点法）说起。

MPM是一种在影视特效领域广受青睐的模拟连续介质方法，迪士尼的《冰雪奇缘》就用到了这项技术。

胡渊鸣的灵感是，用移动最小二乘法统一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，胡渊鸣等人完成了移动最小二乘物质点法（MLS-MPM）方法的研究，不仅实现了新的应力散度离散化，使MPM的运行速度快了两倍，还成功模拟了MPM此前并不支持的各种新现象。

比如材料切割：

这项成果最终发表在了SIGGRAPH 2018上。

为了进一步证明MLS-MPM的简易性，胡渊鸣用88行C++代码实现了MLS-MPM的demo。（代码详情请戳文末 taichi_mpm 项目链接）。

这个88行版本后来也成为了入门MPM的必备参考实现。

这项研究发表在了ICRA 2019上，胡渊鸣也以此完成了硕士论文。

DiffTaichi

随后，胡同学将工作又推进一步，提出了可微分编程DiffTaichi，被ICLR 2020收录。

在这篇文章的代码中，胡同学创建了10个不同的物理模拟器，并根据现有基准对其性能进行基准测试。

Taichi中的可微分编程，可以通过蛮力的梯度下降有效地优化神经网络控制器，而不必使用强化学习。

10种可微分模拟器中的大多数模型可以在2-3小时内实现，而且大部分不需要GPU。这些示例中，弹性体、刚体、流体、光线的折射、弹性碰撞，常见物理环境应有尽有。

第一个示例可微分弹性对象模拟器，经过我们的实测，在2017版13寸的MacBook Pro上也能运行，而且完成优化只需不到十分钟的时间：

不仅是2D，更复杂的3D弹性体也能模拟：

还有可微分的3D流体模拟器，经过450步的梯度下降迭代，已经非常逼真：

DiffTaichi模拟水对光线折射的渲染器，一张图片经过它的渲染，甚至能骗过图像分类器。经过测试，VGG16将带有水波纹的松鼠图片当做金鱼，而且认为概率为99.91%。

在强化学习的模拟环境中，刚体机器人很常见，DiffTaichi也能模拟：

DiffTaichi还能模拟多个物体的复杂场景，比如台球：

用Taichi语言编写的模拟器大大简化了代码，可微分弹性对象模拟器只用了110行代码，而直接用CUDA编写则需要490行。

同时，Taichi的速度还很快，相比CUDA版本几乎没有什么损失，比TensorFlow快了188倍，比PyTorch快13.4倍。

高一保送清华，竞赛生涯中，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，其中APIO 2012成绩是全场第一名。

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，这群年轻人的才华在这里汇聚、碰撞，与“姚班”二字相互成就。

本科期间，胡渊鸣先后前往东京大学、斯坦福大学访学，并曾于微软亚洲研究院实习，从事深度学习和计算机图形学研究。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。入学13个月后，完成硕士论文ChainQueen，拿到MIT硕士学位。博一期间，共发表6篇顶会论文。

最后，如果想了解这99行代码背后更多的研究历程，不妨读一读胡渊鸣本人的知乎专栏文章。大神不仅代码写得好，码字和蒸鸡蛋也是好手呢~