AI模拟器拿下物理仿真新SOTA！｜SIGGRAPH Asia 2023最佳论文

AI技术革新物理仿真，Neural Flow Maps引领新潮流！

由顶尖高校团队研发的NFM技术，成功打破传统数值算法的界限，实现了更为逼真的计算机图形学（CG）物理仿真。即使面对复杂的流动现象，如四涡旋烟雾，NFM都能轻松模拟，创造出令人惊叹的视觉效果。

尽管神经网络已在CG领域展现出潜力，但在物理精确性上仍有限制，导致基于神经网络的物理仿真停留在概念验证阶段。然而，NFM通过融合神经网络与先进物理模型，兼顾视觉美感与物理准确性，一举成为SIGGRAPH Asia 2023的最佳论文。

不同于传统方法，NFM创新性地跳出既有框架，利用AI的特性重新构建数学和数值模型。借助双向行进算法，NFM能计算出极为精确的flow map，但需大量存储空间。为此，NFM采用隐式神经表示（INR）进行高效压缩，解决了存储难题。

NFM的高性能INR——SSNF，通过动态调整空间存储和时间处理，实现了更快收敛、更高压缩率和精度。实验结果显示，NFM在2D和3D模拟中均优于现有SOTA方法，尤其在模拟自然现象时，如蛙跳实验，展现了更强的能量守恒能力和对物理规律的忠实再现。

NFM不仅提升了图像细节，更是从物理动力学层面增强了流体模拟的真实性，预示着AI在物理仿真的广阔前景。更多详情可访问项目官网：[链接]。

本文来源： 量子位【阅读原文】