AI模擬器拿下物理仿真新SOTA！｜SIGGRAPH Asia 2023最佳論文

AIGC動態歡迎閱讀

原標題：AI模擬器拿下物理仿真新SOTA?。黃IGGRAPH Asia 2023最佳論文
關鍵字：物理,蛙跳,數值,方法,算法
文章來源：量子位
內容字數：3910字

內容摘要：

NFM團隊 投稿量子位 | 公眾號 QbitAI機器學習讓計算機圖形學（CG）仿真更真實了！
方法名為神經流向圖（Neural Flow Maps，NFM），四個渦旋的煙霧也能精確模擬的那種：
更為復雜的也能輕松實現：
要知道，在這個AI應用滿天飛的時代，CG物理仿真仍然是傳統數值算法的天下。
△NFM模擬“蛙跳”盡管神經網絡應用在CG能創造目眩神迷的視覺效果，它卻無法嚴格、魯棒地描述物理性質。
△NFM模擬“墨滴”也正是因此，基于神經網絡的物理仿真至今還處于概念驗證（proof of concept）的階段，所生成的效果也遠非SOTA。
基于這個難題，來自達特茅斯學院、佐治亞理工學院以及斯坦福大學的研究團隊提出了神經流向圖這一新方法，通過將神經網絡的優異性質與先進的物理模型相結合，同時達到了前所未有的視覺效果和物理精確性。
該論文發表于圖形學頂刊ACM Transactions on Graphics（TOG），并獲SIGGRAPH Asia 2023最佳論文。
NFM長啥樣？研究團隊的核心觀點是：想利用AI去更好地解決物理問題，就不能局限地將可學習模塊（learnable modu

原文鏈接：AI模擬器拿下物理仿真新SOTA?。黃IGGRAPH Asia 2023最佳論文

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破