机器之心报道
作者：杜伟
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(TaichiGraphics)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（TaichiGraphics），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：
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SIGGRAPH2018大会上发表）。他在微软亚洲研究院跟随StephenLin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攻读硕左边博学右边位。
2018年11月，胡同学在WojciechMatusik教授的指导下完成其硕士论文。
2021年3月，胡同学顺利通过MITEECS博士论文答辩，他的博士论文《TheTaichiHigh-PerformanceandDifferentiableProgrammingLanguageforSparseandQuantizedVisualComputing》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（MaterialPointMethod,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AlexeyStomakhin（JosephTeran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：
于是，2017年大四暑假，胡渊鸣设计了一个新算法MovingLeastSquaresMPM(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SIGGRAPH2018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-MPMdemo，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（neuralnetworkcontroller）。这项研究在ICRA2019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SIGGRAPHAsia2019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：
举报/反馈
