DiffTaichi：面向物理模拟的可微编程
机器学习
2020-02-17 v3 图形学
计算物理
机器学习
摘要
我们提出 DiffTaichi，一种为构建高性能可微物理模拟器量身定制的新可微编程语言。基于命令式编程语言，DiffTaichi 利用保持算术强度和并行性的源代码变换生成模拟步的梯度。一个轻量级 tape 用于记录整个模拟程序结构，并以逆序重放梯度核，以实现端到端反向传播。我们在 10 种不同的物理模拟器上的基于梯度的学习与优化任务中展示了我们语言的性能与生产力。例如，用我们的语言编写的可微弹性物体模拟器比手工工程的 CUDA 版本短 4.2 倍，但运行速度相当，且比 TensorFlow 实现快 188 倍。使用我们的可微程序，神经网络控制器通常仅在数十次迭代内即可完成优化。
引用
@article{arxiv.1910.00935,
title = {DiffTaichi: Differentiable Programming for Physical Simulation},
author = {Yuanming Hu and Luke Anderson and Tzu-Mao Li and Qi Sun and Nathan Carr and Jonathan Ragan-Kelley and Frédo Durand},
journal= {arXiv preprint arXiv:1910.00935},
year = {2020}
}
备注
Published at ICLR 2020