В ноябре 2019 года исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института и Калифорнийского университета в Беркли представили Taichi, новый язык программирования, ориентированный на данные, встроенный в C ++ 14 и предназначенный для эффективного создания, доступа и обслуживания высокопроизводительных разреженных данных. конструкции. В декабре те же исследователи объединились с Adobe Research, чтобы предложить DiffTaichi, новый дифференцируемый язык программирования, основанный на Taichi и специально разработанный для создания высокопроизводительных дифференцируемых физических симуляторов.
Система автоматической дифференциации DiffTaichi разработана с учетом ключевых языковых функций, необходимых для физического моделирования, но часто отсутствующих в существующих инструментах дифференцируемого программирования, таких как мегакернели, императивное параллельное программирование и гибкое индексирование. Исследователи говорят, что симулятор дифференцируемых упругих объектов, написанный на DiffTaichi, в 4,2 раза короче, чем созданная вручную версия CUDA, но работает так же быстро; и в 188 раз быстрее, чем реализация TensorFlow.
DiffTaichi позволяет исследователям быстро внедрять и автоматически различать 10 физических симуляторов с открытым кодом, применяя различные эффекты как к простым, так и к сложным сценам, включая сцены, содержащие несколько объектов.
Дифференцируемое средство визуализации воды, например, включает в себя моделирование дифференцируемой воды, дифференцируемое отображение воды и (дифференцируемую) сверточную нейронную сеть. Исследователи продемонстрировали эффективность своей системы с помощью состязательной оптимизации: средство визуализации воды обмануло сеть VGG-16, ошибочно приняв фотографии белок за золотую рыбку.
Исследователи надеются, что впечатляющая производительность DiffTaichi подтолкнет исследователей машинного обучения и робототехники к применению нового языка программирования в будущих исследованиях дифференцируемого физического моделирования.
Статья DiffTaichi: дифференцируемое программирование для физического моделирования находится на arXiv. Код проекта доступен на GitHub.
Автор: Юйцин Ли | Редактор: Майкл Саразен
Мы знаем, что вы не хотите пропустить ни одной истории. Подпишитесь на наш популярный Synced Global AI Weekly , чтобы получать еженедельные обновления AI.
Нужен всесторонний обзор прошлого, настоящего и будущего современных исследований в области искусственного интеллекта? Отчет Тенденции развития технологий искусственного интеллекта вышел!
Вышел Отчет об адаптивности AI для публичной компании Fortune Global 500 за 2018 год!
Приобретите отчет в формате Kindle на Amazon.
Подайте заявку на участие в Партнерской программе Insight, чтобы получить бесплатный полный отчет в формате PDF.
