AI 시뮬레이터는 물리 시뮬레이션에서 새로운 SOTA를 채택합니다!
머신 러닝을 통해 컴퓨터 그래픽(CG) 시뮬레이션이 더욱 현실감 있게 느껴집니다!
이 방법은 Neural Flow Maps(Neural Flow Maps, NFM)이라고 하며, 4개의 소용돌이의 연기를 정확하게 시뮬레이션할 수 있습니다.
더 복잡한 것들도 쉽게 구현할 수 있습니다.
AI 애플리케이션이 어디든 날아다니는 시대에 CG 물리 시뮬레이션은 여전히 전통적인 수치 알고리즘이 지배하고 있다는 점을 알아야 합니다.
ΔNFM은 "도약"을 시뮬레이션합니다
CG에 신경망을 적용하면 눈부신 시각적 효과를 낼 수 있지만 물리적 특성을 엄격하고 확실하게 설명할 수는 없습니다.
ΔNFM은 "잉크 방울"을 시뮬레이션합니다
이 때문에 신경망을 기반으로 한 물리적 시뮬레이션은 아직 개념 증명(개념 증명) 단계에 있으며, 생성된 효과는 SOTA와는 거리가 멀다.
이 복잡한 문제를 해결하기 위해 다트머스 대학, 조지아 공과대학, 스탠포드 대학의 연구팀은 신경 흐름도라는 새로운 방법을 제안했습니다. 그들은 신경망의 장점과 고급 물리적 모델을 결합하여 전례 없는 시각적 효과와 물리적 정확성을 달성했습니다.
본 논문은 최고의 저널인 ACM Transactions on Graphics(TOG)에 게재되었으며, SIGGRAPH Asia 2023에서 최우수 논문상을 수상했습니다.
을 기존 방법 프레임워크 (예: SPH, 안정적인 유체) 에 제한적으로 내장할 수 없다는 것입니다. 기존 방법은 전통적인 수치 방법의 기능에 맞춰져 있기 때문에 기계 학습의 발전은 완전히 새로운 기능
(예: NeRF의 시공간 신호 표현)을 제안할 여지가 없습니다. 기존 프레임워크에서 말이죠. 따라서 연구자들은 AI를 기존 프레임워크에 적용하는 것보다 AI가 제안하는 새로운 역량을 기반으로 새로운 수학적, 수치적 프레임워크를 설계하여 이러한 역량의 가치를 극대화하는 것이 더 낫다고 믿습니다.
Physical Model
위의 아이디어를 바탕으로 연구진은 물리학과 AI의
co-design(co-design)을 통해 SOTA를 뛰어넘는 유체 시뮬레이터를 구축했습니다. 물리학 부분에서 NFM은 먼저 충격 기반
유체 방정식 세트를 사용했습니다. 일반적인 오일러 방정식에 대해 게이지 변환(게이지 변환)을 수행하여 NFM은 속도장과 흐름도(흐름 맵)을 확립했습니다. 그리고 공간 파생물 간의 관계. 즉, 흐름 맵에 대한 정확한 수치해를 얻을 수 있는 한 진화하는 속도장을 정확하게 재구성할 수 있습니다.
플로우 맵을 가장 정확하게 계산하기 위해 NFM은 신중하게 설계된 "양방향 행진"(양방향 행진) 수치 알고리즘을 제안합니다.
이 알고리즘은 기존 알고리즘보다 3~5배 더 정확하지만, 장기 시공간 (시공간) 속도장의 저장도 필요합니다.
대규모 3D 시뮬레이션의 경우 단일 프레임의 속도장을 저장하는 것은 여전히 어렵지만 수십 또는 수백 프레임의 속도장을 저장하는 것은 완전히 불가능합니다. 따라서 "양방향 여행" 알고리즘은 정확하지만 기존 수단으로는 실현할 수 없습니다.
신경망 저장소NFM은 고정밀 속도 장을 저장해야 하는 플로우 그래프 기반 물리적 모델의 요구 사항과 고품질 시공간을 위한 암시적 신경 표현
을 교묘하게 결합합니다. 신호 압축 기능을 통해 위의 매우 정확하지만 달성할 수 없는 시뮬레이션 방법을 실현할 수 있습니다.
INR은 일반적으로 각 시나리오에 대해 한 번만 교육하면 되지만 NFM은 이를 중간 변수로 사용하여 시뮬레이션 프로세스 중에 지속적으로 업데이트하므로 INR 성능에 대한 요구 사항이 더욱 엄격해집니다.
이를 고려하여 NFM에서는 SSNF라는 새로운 고성능 INR을 제안합니다.
공간 희소 저장에서 각 그리드 포인트의 개방 상태를 자동으로 계획하고 라그랑주 다항식을 기반으로 하는 시간 처리 방식을 통해 SSNF는 Instant-NGP 및 KPlanes와 같은 방법보다 더 빠른 수렴 속도와 더 높은 압축률 및 더 높은 저장 정확도를 달성합니다. .
최신 SOTA 우승
실험 결과에 따르면 AI 기반 시뮬레이터로서 NFM은 bimocq, 공벡터 유체 및 MC+R과 같은 SOTA 방법을 크게 능가합니다.
2D 점 와류(point vortex)를 유지한 실험에서 NFM의 평균 절대 오차는 다른 3개에 비해 최소 14배, 최대 308배 감소했습니다.
3D 도약 소용돌이 실험에서 NFM은 에너지 보존 능력도 크게 향상시켰습니다.
(예: 견고한 상호 작용, 레일리 테일러 불안정성, 와류관 재연결 등)를 통해 복잡한 시각 효과를 생성하는 데 있어 NFM의 우수성을 보여줍니다.
이 수준에서 AI가 유체에 더 많은 세부 정보를 제공하는 데 사용되지만 기존 AI 초해상도 알고리즘은 사진 세부 정보만 향상시킬 수 있지만 NFM은 물리적 방식으로 성능을 향상시키는 데 획기적인 발전을 이루었다는 점에 주목할 가치가 있습니다. . 세부 사항을 학습하여 유체 시뮬레이션의 현실성을 근본적으로 향상시킵니다.프로젝트 링크: https://yitongdeng-projects.github.io/neural_flow_maps_webpage/
위 내용은 AI 시뮬레이터는 물리 시뮬레이션에서 새로운 SOTA를 채택합니다!의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











MySQL은 JSON 데이터를 반환 할 수 있습니다. json_extract 함수는 필드 값을 추출합니다. 복잡한 쿼리의 경우 where 절을 사용하여 JSON 데이터를 필터링하지만 성능 영향에주의하십시오. JSON에 대한 MySQL의 지원은 지속적으로 증가하고 있으며 최신 버전 및 기능에주의를 기울이는 것이 좋습니다.

데이터베이스 산 속성에 대한 자세한 설명 산 속성은 데이터베이스 트랜잭션의 신뢰성과 일관성을 보장하기위한 일련의 규칙입니다. 데이터베이스 시스템이 트랜잭션을 처리하는 방법을 정의하고 시스템 충돌, 전원 중단 또는 여러 사용자의 동시 액세스가 발생할 경우에도 데이터 무결성 및 정확성을 보장합니다. 산 속성 개요 원자력 : 트랜잭션은 불가분의 단위로 간주됩니다. 모든 부분이 실패하고 전체 트랜잭션이 롤백되며 데이터베이스는 변경 사항을 유지하지 않습니다. 예를 들어, 은행 송금이 한 계정에서 공제되지만 다른 계정으로 인상되지 않은 경우 전체 작업이 취소됩니다. BeginTransaction; updateAccountssetBalance = Balance-100WH

sqllimit 절 : 쿼리 결과의 행 수를 제어하십시오. SQL의 한계 절은 쿼리에서 반환 된 행 수를 제한하는 데 사용됩니다. 이것은 대규모 데이터 세트, 페이지 진화 디스플레이 및 테스트 데이터를 처리 할 때 매우 유용하며 쿼리 효율성을 효과적으로 향상시킬 수 있습니다. 구문의 기본 구문 : SelectColumn1, Collect2, ... Fromtable_namelimitnumber_of_rows; 번호_of_rows : 반환 된 행 수를 지정하십시오. 오프셋이있는 구문 : SelectColumn1, Column2, ... Fromtable_namelimitOffset, number_of_rows; 오프셋 : skip

MySQL 데이터베이스 성능 최적화 안내서 리소스 집약적 응용 프로그램에서 MySQL 데이터베이스는 중요한 역할을 수행하며 대규모 트랜잭션 관리를 담당합니다. 그러나 응용 프로그램 규모가 확장됨에 따라 데이터베이스 성능 병목 현상은 종종 제약이됩니다. 이 기사는 일련의 효과적인 MySQL 성능 최적화 전략을 탐색하여 응용 프로그램이 고 부하에서 효율적이고 반응이 유지되도록합니다. 실제 사례를 결합하여 인덱싱, 쿼리 최적화, 데이터베이스 설계 및 캐싱과 같은 심층적 인 주요 기술을 설명합니다. 1. 데이터베이스 아키텍처 설계 및 최적화 된 데이터베이스 아키텍처는 MySQL 성능 최적화의 초석입니다. 몇 가지 핵심 원칙은 다음과 같습니다. 올바른 데이터 유형을 선택하고 요구 사항을 충족하는 가장 작은 데이터 유형을 선택하면 저장 공간을 절약 할 수있을뿐만 아니라 데이터 처리 속도를 향상시킬 수 있습니다.

기본 키는 데이터베이스의 각 행을 고유하게 식별하는 키 속성이기 때문에 MySQL 기본 키는 비어있을 수 없습니다. 기본 키가 비어 있으면 레코드를 고유하게 식별 할 수 없으므로 데이터 혼동으로 이어질 수 있습니다. 자체 점수 정수 열 또는 UUID를 기본 키로 사용하는 경우 효율성 및 우주 점유와 같은 요소를 고려하고 적절한 솔루션을 선택해야합니다.

해시 값으로 저장되기 때문에 MongoDB 비밀번호를 Navicat을 통해 직접 보는 것은 불가능합니다. 분실 된 비밀번호 검색 방법 : 1. 비밀번호 재설정; 2. 구성 파일 확인 (해시 값이 포함될 수 있음); 3. 코드를 점검하십시오 (암호 하드 코드 메일).

MySQL 및 MariaDB 데이터베이스의 효과적인 모니터링은 최적의 성능을 유지하고 잠재적 인 병목 현상을 식별하며 전반적인 시스템 신뢰성을 보장하는 데 중요합니다. Prometheus MySQL Expler는 능동적 인 관리 및 문제 해결에 중요한 데이터베이스 메트릭에 대한 자세한 통찰력을 제공하는 강력한 도구입니다.

Sqlorderby 절의 자세한 설명 : Data Orderby 조항의 효율적인 정렬은 쿼리 결과 세트를 정렬하는 데 사용되는 SQL의 핵심 문입니다. 단일 열 또는 여러 열에서 오름차순 순서 (ASC) 또는 내림차순 순서 (DESC)로 배열되어 데이터 가독성 및 분석 효율성을 크게 향상시킬 수 있습니다. Orderby Syntax SelectColumn1, Collect2, ... Fromtable_nameorderByColumn_name [ASC | desc]; column_name : 열별로 정렬. ASC : 오름차순 주문 정렬 (기본값). DESC : 하강 순서로 정렬하십시오. Orderby 주요 기능 : 다중 열 분류 : 다중 열 정렬을 지원하고 열 순서는 정렬의 우선 순위를 결정합니다. ~부터
