论坛主席：黄劲 浙江大学

主席介绍：黄劲，浙江大学CAD&CG全国重点实验室，教授，主要研究计算机图形学中几何计算以及物理模拟方面的课题，2015年获国家优秀青年基金资助。研究受国家自然科学基金、通用汽车等项目的资助。取得的成果包括数十篇国际顶级学术期刊论文，目前担任国际期刊CAGD的Associated Editor，曾担任包括ACM SIGGRAPH在内的一些著名国际学术会议的程序委员会委员，SCA、GMP等国际会议的论文共同主席。

时间：8月16日 15:40-17:30

地点：三楼国际厅A

论坛讲者：何小伟 中国科学院

讲者介绍：何小伟，中国科学院软件研究所，中国科学院软件研究所副研究员，研究方向包括计算机图形学、物理仿真和基于GPU的并行计算等。在包括ACM TOG、IEEE TVCG、MICCAI等相关领域重要期刊/会议发表论文二十篇，主持研制面向实时智能与交互的开源物理引擎——泛动引擎（PeriDyno），该引擎荣获计算机学会CAD&CG专委会2022年度“优秀图形开源软件”以及2023挑战者杯元宇宙开发者大赛全国总决赛二等奖。主持/参与包括国家自然科学基金、重点研发计划在内的多个国家纵向课题；相关成果应用于华为、中国船舶、迈曦软件等。2019年入选中国科学院青年创新促进会会员，2021年入选中科院软件所杰出青年专项支持，兼任CSIG智能图形专委会委员、第三届GAMES执行委员会委员等。

报告题目：面向AI的实时物理引擎构建难点与挑战

时间：8月16日 15:40-17:30

地点：三楼国际厅A

报告摘要：以深度学习为代表的新一轮人工智能经历近十几年的发展，其在方方面面都已取得了引人瞩目的成绩。然而 ，“缺乏物理的常识”已经成为制约现有人工智能发展的最大障碍。本次报告从面向AI的物理仿真所需要解决的痛点问题入手，阐述物理仿真所面临挑战，探讨如何解决物理仿真相关基础软件架构及关键核心技术中存在的难点问题，并进一步展望如何结合实时智能与交互实现复杂的应用场景。

论坛讲者：刘晓培 上海科技大学

讲者介绍：刘晓培教授目前任职于上海科技大学信息科学与技术学院，其主要从事的研究方向包括计算机图形学，计算流体力学，科学可视化，并行计算，机器学习及空中与水下机器人相关的研究。其在相关领域的顶级期刊与会议，如SIGGRAPH/SIGGRAPH Asia, TOG, TVCG, JCP, PoF, PRD, ICRA, IROS等，已发表有几十篇高水平论文，推动了格子玻尔兹曼方法在计算机图形学领域的发展，以及该方法在不同领域的实际应用。

报告题目：具有物理一致性的高性能介观流体仿真

时间：8月16日 15:40-17:30

地点：三楼国际厅A

报告摘要：流体仿真在过去几十年的研究中已获得了长足进展，并在各类行业中大规模应用。然而，具有物理一致性的高性能瞬态流仿真依然是难题。在该报告中，我将介绍我们课题组研发的最新流体求解器，力求兼具精度与效率。我们的算法架构在更加新颖的格子玻尔兹曼模型上，并且在碰撞算子与边界处理等方面做出了一系列提升，让我们的求解器具有物理上高度一致性。我们会展示一系列实验验证及仿真结果，来说明我们最新求解器在流体仿真上的能力。

论坛讲者：任博 南开大学

讲者介绍：任博，南开大学计算机学院副教授。主要研究方向包括计算机图形学基于物理/机器学习的仿真与控制，神经辐射场三维场景重建与渲染等。在国际顶级期刊会议（中科院一区，CCF A类）发表文章二十余篇。主持或参与多项国家自然科学基金青年/面上项目，国家重点研发计划课题与国家重点实验室开放课题。任中国图学学会理事会国际联络工作委员会委员CCF CAD&CG专委会委员，CSIG智能图形专委会委员，CCF YOCSEF天津学术委员。在SIGGRAPH Asia，CVM，Pacific Graphics等图形学国际会议中出任分会场主席。

报告题目：高自由度流固耦合系统控制方法

时间：8月16日 15:40-17:30

地点：三楼国际厅A

报告摘要：流固耦合系统的控制以及逆向设计问题是一个重要而充满挑战性的课题。流固耦合系统具有系统自由度高、运动机制复杂的特点。对该类系统的控制而言常需处理的一类问题中，所控制对象不具备自驱动能力或仅具有有限自驱动能力，而必须通过改变边界条件简介对对象进行控制。我们的研究通过结合机器学习、可微仿真与传统物理求解方法，针对该类问题提出了训练高效且可迁移的解决方案。在本报告中，我将介绍我们对相关问题的解决思路，并探讨深入研究有待解决的挑战。

论坛讲者：杜韬 清华大学

讲者介绍：杜韬，清华大学交叉信息研究院助理教授，博士生导师。杜韬博士毕业于麻省理工学院计算机图形学实验室，主要研究方向为图形学中的物理仿真与计算设计。他的相关工作主要发表在计算机图形学和机器学习领域顶级期刊和会议（ACM TOG, SIGGRAPH North America/Asia, ICLR, ICML, NeurIPS)上，并受到多家知名科技媒体（WIRED，MIT News, IEEE Spectrum, TechCrunch等）的关注与报道。此外，他多次担任SIGGRAPH North America/Asia技术论文程序委员会委员并多次获评NeurIPS/ICML优秀审稿人。

报告题目：共轭梯度法中的预优矩阵学习

时间：8月16日 15:40-17:30

地点：三楼国际厅A

报告摘要：偏微分方程的数值求解涉及到大量的线性方程组求解过程，是物理仿真中的核心问题之一。预优共轭梯度法是针对此类问题的常用求解器，一个好的预优矩阵对求解器的快速收敛有很大帮助。基于图神经网络与预优矩阵的相似性，我们提出了利用图神经网络设计预优矩阵的方法，在三维的中小规模的线性二阶偏微分方程求解上显著提升了预优矩阵的性能。我们的结果为结合机器学习方法研究预优矩阵设计这一基础问题提供了新的思路。