2021/04/20 14:35

杜伟报道

MIT博士毕业，「太极」作者胡渊鸣回国创业，专注图形编程

从学术界到产业界，MIT 博士、太极作者胡渊鸣完成了无缝衔接。今年 3 月完成博士学业后，胡渊鸣选择回国创业，成立了太极图形 (Taichi Graphics)公司，自己担任联合创始人兼 CEO。

2019 年 5 月，MIT 人工智能实验室（CSAIL）博士二年级学生胡渊鸣构建了一个名为「太极」的开源计算机图像库，展示了多种场景的酷炫模拟效果，也让读者更深入地了解到什么是计算机图形学。目前，该库在 GitHub 上已有 13.2k 的 star 量。

之后，胡渊鸣又联合其他研究者推出了自动微分版本的太极——微分太极（DiffTaichi）。这一框架可以基于太极实现自动微分，在物理模拟优化方面有很高的性能和灵活性。这意味着太极从计算机图形学进入了机器学习的领域。他还使用「太极」写过「冰雪奇缘」特效，只用了 99 行代码，知乎点赞过万。

2021 年 3 月，胡渊鸣通过了 MIT 电气工程与计算机科学（EECS）博士论文答辩，并决定自己创业。据了解，胡博士创立的公司名为太极图形（Taichi Graphics），他将担任公司联合创始人兼 CEO。太极图形团队（北京）主导开发开源基础设施太极（Taichi）编程语言，专注于图形学、编译器、高性能计算以及人工智能相关技术。

胡博士本人也现身知乎，呼吁志同道合之士加入其团队。对于胡渊鸣的创业，网友也给予了非常高的期许，希望「引领中国图形学软件的发展，为中国图形学带来新潮流。」

对于网友关心的官方编辑器以及代码提升和 debug 堆栈等技术细节，胡渊鸣表示，以后团队壮大后将致力于提高 debug 用户体验。

此外，计算机图形学知名学者、北大教授陈宝权也为胡渊鸣博士的创业打 Call。据他介绍，「胡渊鸣博士期间即获头部资本投资，刚刚回国落户北京创业」。

胡渊鸣简介

个人主页：https://yuanming.taichi.graphics/

胡渊鸣从小就对计算机表现出极大的兴趣，因其在 2012 年全国高中学科奥赛（信息学）中的优异成绩而被保送至清华大学。

2017 年 7 月，胡同学作为优秀毕业生从清华大学姚班毕业，其本科论文主要研究的是使用强化学习和对抗学习的自动照片后期处理（在 SIGGRAPH 2018 大会上发表）。他在微软亚洲研究院跟随 Stephen Lin 博士实习时从事深度学习和计算机视觉相关工作。之后，胡同学进入MIT攻读硕博学位。

2018 年 11 月，胡同学在 Wojciech Matusik 教授的指导下完成其硕士论文。

2021 年 3 月，胡同学顺利通过 MIT EECS 博士论文答辩，他的博士论文《The Taichi High-Performance and Differentiable Programming Language for Sparse and Quantized Visual Computing》回顾并探讨了 Taichi 视觉计算编程语言的一系列工作，包括太极的设计动机与工程实践等等。目前，胡渊鸣尚未公布其博士论文的官方文档。

项目介绍

胡渊鸣对计算机图形学的研究兴趣始于物质点法（Material Point Method, MPM）的研究，这种模拟连续介质的方法最早被 Sulsky 等人在 1995 年发明，并在影视特效领域广受青睐，迪士尼动画电影《冰雪奇缘》就用到了这种技术。不过，早期 MPM 的运行速度非常慢，比如迪士尼的工程师 Alexey Stomakhin（Joseph Teran 的学生）曾提到，《冰雪奇缘》里面 Elsa 跨过雪地的镜头，在集群上跑了整整一个星期。

图源：https://www.youtube.com/watch?v=1ES2Cmbvw5o

于是，2017 年大四暑假，胡渊鸣设计了一个新算法 Moving Least Squares MPM (MLS-MPM)，不仅性能较之前的 SOTA 提升了两倍，而且代码短了很多，更加容易实现。这项成果在 SIGGRAPH 2018 会议上发表。

部分动图展示。

之后，为了进一步证明 MLS-MPM 方法的易用性，并使各个平台的玩家都能编译、运行其代码，胡渊鸣使用 88 行 C++ 代码实现了独立的 MLS-MPM demo，并几乎成了入门 MPM 的必备参考实现。

2017 年暑期结束后，胡渊鸣进入 MIT 攻读博士，创建了基于 MLS-MPM 的 ChainQueen（乾坤）可微软体物理引擎，通过求解 MLS-MPM 的导数，实现了只用梯度下降优化神经网络控制器（neural network controller）。这项研究在 ICRA 2019 会议上发表，并凭此获得了硕士学位。

从 2019 年 1 月开始，胡渊鸣便一直在做太极（Taichi）编程语言，一种为高性能计算机图形设计的编程语言，相关研究在 SIGGRAPH Asia 2019 会议上发表。2020 年，“胡渊鸣” 等推出了自动微分版本的太极——微分太极（DiffTaichi）。这一框架可以基于太极实现自动微分，在物理模拟优化方面有很高的性能和灵活性。这意味着太极从计算机图形学进入了机器学习的领域。此外，胡渊鸣还使用 99 行代码实现了《冰雪奇缘》。

愿胡博士的创业一路顺畅！

参考链接：

https://github.com/taichi-dev/taichi

https://zhuanlan.zhihu.com/p/97700605

产业创业胡渊鸣太极清华姚班本科MIT博士

相关技术

知识图谱

计算机图形技术

图像数据处理、计算机图像（英语：Computer Graphics）是指用计算机所创造的图形。更具体的说，就是在计算机上用专门的软件和硬件用来表现和控制图像数据。

来源：维基百科

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

计算机视觉技术

计算机视觉（CV）是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

来源：机器之心

神经网络技术

（人工）神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型，那时候研究者构想了「感知器（perceptron）」的想法。这一领域的研究者通常被称为「联结主义者（Connectionist）」，因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型，它们都是前馈神经网络：卷积神经网络（CNN）和循环神经网络（RNN），其中 RNN 又包含长短期记忆（LSTM）、门控循环单元（GRU）等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习，但也有一些为无监督学习设计的变体，比如自动编码器和生成对抗网络（GAN）。

来源：机器之心

梯度下降技术

梯度下降是用于查找函数最小值的一阶迭代优化算法。要使用梯度下降找到函数的局部最小值，可以采用与当前点的函数梯度（或近似梯度）的负值成比例的步骤。如果采取的步骤与梯度的正值成比例，则接近该函数的局部最大值，被称为梯度上升。

来源：Vapnik V. N. (2000). The Nature of Statistical Learning Theory. Information Science and Statistics. Springer-Verlag.Wikipedia