RMG的专栏

“Physics-based Deep Learning”学习笔记1可微分物理学(Differentiable physics(DP))基于物理的深度学习，其本质是应用某个特定领域内的模型方程，将其离散化之后的方程整合进深度学习的训练过程。正如其名称中所提到的“可微分”，拥有可微分的公式对于训练神经网络至关重要。接下来，我们通过一个粒子来了解基于DP的深度学习。假设存在一个未知的函数f∗：X→Yf^{*}：X \rightarrow Yf∗：X→Y(通常用∗*∗的上标来表示理想或者未知的函数，而可离

SPH法理论与实践前言SPH(Smoothed Particle Hydrodynamics)法，中文称其为光滑粒子动力学。最早是为了模拟银河系中天体之间的碰撞与形成等等宇宙物理学的现象而提出的算法[Lucy1977]1。虽然如此，近些年来SPH法在流体模拟热扩散等等的领域内都被广泛应用了起来。而CG(Computer Graphics)相关的研究者[Desbrun1996]2最早在1996年...