AIGC动态欢迎阅读
原标题：AI模拟器拿下物理
仿真新SOTA！｜SIGGRAPH Asia 2023最佳论文
关键字：物理,蛙跳,数值,方法,算法文章来源：量子位
内容字数：3910字内容摘要：
NFM团队 投稿量子位 | 公众号 QbitAI机器学习让计算机图形学（CG）仿真更真实了！
方法名为神经流向图（Neural Flow Maps，NFM），四个涡旋的烟雾也能精确模拟的那种：
更为复杂的也能轻松实现：
要知道，在这个AI应用满天飞的时代，CG物理仿真仍然是传统数值算法的天下。
△NFM模拟“蛙跳”尽管神经网络应用在CG能创造目眩神迷的视觉效果，它却无法严格、鲁棒地描述物理性质。
△NFM模拟“墨滴”也正是因此，基于神经网络的物理仿真至今还处于概念验证（proof of concept）的阶段，所生成的效果也远非SOTA。
基于这个难题，来自达特茅斯学院、佐治亚理工学院以及斯坦福大学的研究团队提出了神经流向图这一新方法，通过将神经网络的优异性质与先进的物理模型相结合，同时达到了前所未有的视觉效果和物理精确性。
该论文发表于图形学顶刊ACM Transactions on Graphics（TOG），并获SIGGRAPH Asia 2023最佳论文。
NFM长啥样？研究团队的核心观点是：想利用AI去更好地解决物理问题，就不能局限地将可学习模块（learnable modu原文链接：AI模拟器拿下物理仿真新SOTA！｜SIGGRAPH Asia 2023最佳论文
联系作者
文章来源：量子位
作者微信：QbitAI
作者简介：追踪人工智能新趋势，关注科技行业新突破
