他2年拿下博士学位,发表11篇顶会论文!浙大校友李旻辰斩获SIGGRAPH最佳博士论文奖
官网点评:在相关问题取得重大突破
金磊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
连续四年,SIGGRAPH最佳博士论文奖,被华人学者拿下。
今年,浙大校友、UCLA数学系博士后李旻辰斩获殊荣。
然而随之浮出的,可不单单是这份荣耀,还有他那开挂般的学术生涯。
来,感受一下一组数据:
仅仅2年时间,便取得博士学位。
博士期间发表了11篇SIGGRAPH。
这般经历,不禁引得网友直呼:
大家感受到了什么叫降维打击了吗?
超短的读博经历
2018年9月入学宾夕法尼亚大学(UPenn)攻读博士,2020年12月毕业。
两年多一点的时间,确实有点短。
在之前接受《李丁聊天室》采访时,李旻辰自己也这样说到。
但快,并不意味着标准的降低。
北美博士毕业一般有两个要求:一硬一软。
硬性一点的要求,就好比要上满多少门课、做几次答辩,还要发多少篇paper等等。
例如宾大在paper方面,就要求有三篇顶刊,而且得是一作的那种。
而稍微软一点的要求,就是来自导师了 (你懂的)。
说白了,就是得看导师觉得你是不是达到了毕业的标准。
而且即便是达到了标准,他愿不愿意让你毕业,也得视情况而定了。
那么面对这些个的门槛,李旻辰又是怎么一步一步“解锁”的呢?
其实,这离不开他早期在UBC (不列颠哥伦比亚大学)读硕士的经历。
在李旻辰读硕士两年半期间的课程等,在宾大的体系里是承认的。
基于这一点,他在博士期间便省去了上2门课和1次答辩的时间。
但更重要的是,李旻辰在硕士期间已经发表了2篇一作的研究(UBC硕士毕业要求1篇一作)。
当时我就已经对计算机图形学领域有了一定的认识、想法和经验。
如此的硕士经历,就为他在读博的路上,打下了良好的基石。
而提到“软”的方面,李旻辰认为自己非常的幸运,能够遇到一个很好的导师——蒋陈凡夫教授。
(没错,他正是我们所熟知的胡渊鸣等人的导师。)
在蒋老师的带领下,李旻辰主要研究的方向,是最优化问题和数值方法在几何处理与物理仿真中的应用。
而在他看到李旻辰已经达到了博士该有的水平后,主动找上门说:
不如你考虑一下,是不是可以准备毕业了?
“非常震惊”,这是李旻辰听到导师这句话的第一反应。
但通过这一点,从侧面也反映出了他在学术上的卓越成绩。
毕竟伯乐要相马,这“马”也需得有“的卢”之质。
但比起学术上的成就,通过在UBC和UPenn的求学经历,其实有一颗种子早已在李旻辰的心中生根发芽——成为一名教授。
而影响他最为深远的,就是蒋陈凡夫教授了:
他不仅让我看到了成为一名教授在教书育人、探索人类知识边界、以及传承精神等方面的重要意义,也让我看到了教授生涯的自由与无限可能性。
同时我也在他身上学到了很多科研与为人处世的方法,这些都让我也非常想成为一名和他一样杰出的教授。
于是,在博士毕业之后,他便毅然决然作出了他的选择——入职UCLA数学系。
李旻辰在系里的职称是Assistant Adjunct Professor,翻译过来可以叫做临时助理教授。
值得注意的是,这与我们通常说的助理教授(Assistant Professor)有所不同。
前者在科研方面更像博士后,但同时又有教学工作;而后者则是我们熟悉的终身教职“直通车”。
据了解,目前李旻辰正在UCLA教暑期课程(多元微积分),秋季学期还会教数值计算方法。
如此看来,李旻辰算是实现了在科研道路上的理想。
但这条科研路,他是怎么踏进来的?
对计算机图形学的兴趣,又是从何而来?
这就要从李旻辰更早的经历说起了。
本科经历影响深远
李旻辰小时候和大多数男孩子一样,非常喜欢打游戏。
除了正常学习之外,他在上大学之前并没有考虑过到底要做什么,选择哪个专业。
但刚入浙江大学,两个契机坚定了李旻辰选择计算机图形学的信念。
在大一上编程课在网上做题的时候,他写了一个程序去解决一个问题。
然后发现输出的结果,可以去满足这个问题的需求。
很有成就感。
这就是李旻辰对编程这件事的最直观感受。
而在接触编程之前,他看到类似计算器这样的东西,只是简单的会觉得它是个精密仪器。
但通过自己动手去了解其原理,而且还能实现出来,他就会觉得非常开心。
“编程是一件有趣且有意义的事情”,李旻辰这样说到。
这算得上是给他的科研道路铺设了“好开头”。
另一个契机,就是李旻辰在浙大选专业的故事。
在选专业之前,学生会被安排去各个实验室进行参观。
李旻辰当时大概参观了5个实验室,但在“逛”完前四个实验室后,他却感觉一头雾水——“不太明白它们是做什么的”。
但最后一个参观的,正是计算机图形学的实验室——浙大周昆教授的CAD&CG实验室。
在看到他们所做的成果,李旻辰突然觉得:
咦?这不就像是我玩游戏时的一张张截图吗?有点意思。
这就勾起了李旻辰的兴趣,于是他便认真地阅读起实验室介绍。
后来他发现计算机图形学的知识和成果,不仅仅是可以用于游戏或电影,与工业界也有一定的相关性。
例如CAD制图、零件的建模,甚至是土木工程的模拟等等。
于是,在选择专业这件事上,用李旻辰的话来说就是:
又有前途又有趣,选它就对了。
这样的2个契机,称得上是李旻辰在科研道路上的“引路人”了。
但随着他在计算机图形学中的不断深挖,李旻辰发现这个领域其实还有更多的细分子领域。
“它是一个很综合、很包容的学科,各个方向的研究都有所涉及。”李旻辰解释到。
在刚刚本科毕业之际,他主动去看了SIGGRAPH的论文。
李旻辰发现,这些论文的内容有很大的不同,例如有做建模的,有做渲染的,有做模拟,还有做图像操作等等:
眼花缭乱,而且风格上也有较大的区别。
有的文章会专注于较为根本的问题,会在数值计算或数值优化上去深究。
有的文章会专注于较大却又很实际的问题,虽说不会深究细节问题,但整个系统的pipeline非常完整。
也正是有了这般深入的了解经历,李旻辰对于计算机图形学的初衷发生了些许的变化。
不再是像最初只是单纯的觉得很酷炫,而是对计算机图形学中那些比较“基础、根本”,但却很困难的问题产生了浓厚兴趣。
这个“基础”并不是意味着简单,而是指它的问题不复杂,可以用一两句话来表述清楚,但解决起来却很困难。
于是,李旻辰越发喜欢上了用数学建模或数值优化的方法,去解决它们:
我认为这是一件非常有成就感的事情,非常有快感。
当然了,偏理论嘛,定然是会有枯燥的成分在里面。
对此,李旻辰解释道:
感兴趣的事情、有人气的事情,以及有影响力的事情,它们可能没有那么幸运会重叠在一起。
但通过李旻辰取得的成果也证明了一点,只要坚持自己热爱的事情,最终还是会有所收获。
最佳博士论文奖
或许正是因为这份坚持,李旻辰斩获了本届SIGGRAPH的最佳博士论文奖(The Outstanding Doctoral Dissertation Award)。
与之相关的研究是Robust and Accurate Simulation of Elastodynamics and Contact。
SIGGRAPH官方对此的评价是:
在“保证非相交的非线性固体动力学中的鲁棒摩擦接触模拟”,这一问题上取得了重要突破。
在以往固体运动仿真以及受力分析中,精确地对固体自身或之间的接触进行建模是非常困难的,尤其是有复杂形状、精细结构,且能发生较大形变的固体。
导致这个问题的原因,是固体的弹性在数学描述中是非线形且非凸的,而接触不仅非线形且非凸,还不光滑。
而这些都是应用数值方法进行物理仿真时极难处理的性质。
传统方法要么有一定的稳定性和精确度但非常耗时,要么仿真较快但肉眼可见地不真实(因为误差很大),甚至很容易出现数值爆炸导致仿真失败。
而李旻辰在这项研究中所提出的IPC (Incremental Potential Contact)方法,便很好的解决了这个问题。
具体而言,就是在最优化理论的框架下,通过对所有碰撞情景的严谨数学定义、对障碍函数法的降维加速、对静动摩擦转换的可控建模,以及对摩擦算子的巧妙离散。
这就为解决这一问题提供了新思路,从而能在较快的速度下达到前所未有的精确、稳定、无穿透的仿真效果。
但李旻辰为什么要做这项研究呢?
毕竟官方都说了,这是一个“长期存在且不容易取得突破”的问题。
这就离不开李旻辰发表的第一篇SIGGRAPH文章了:
第一篇一作SIGGRAPH文章FoldSketch,是我在UBC读硕士时的一个科研项目。
为了保证设计的可行性,我们应用布料仿真来获得所设计服装的实穿效果。当时我们使用的是一款很流行的开源布料仿真系统,能实时获得仿真效果。
可一旦衣物接触变多,算法就变得很慢,且极易失败,无法保证无穿透。当时这一问题给我的研究带来了不小的麻烦,让我记忆犹新,立志解决这一问题。
正好我通过不断地积累、学习、和研究最优化理论与方法,发现内点法与这一问题的契合以及同时存在的挑战,就义无反顾地去尝试探索了。
当然,这也离不开导师蒋陈凡夫教授的支持与引导,以及Adobe合作者Danny Kaufman博士的挑战与激励。
而且李旻辰不仅仅是在学术界深耕,其实在产业界有所作为。
例如与CG大牛张心欣的泽森科工一直有着密切合作,也算是半个创始人。
据了解,他们也有计划在美国合作开一家公司,在促进国内外人才交流的同时把IPC产业化,让更高质量的物理仿真系统,以简单易用的形式真正去改善多个行业的生产方式。
最后,我们也与李旻辰聊了一些轻松的话题——是否有女朋友呢?
对此,李旻辰回答说:
学术和爱情当然可以兼得,重要的是用心找到合适的人。
(手动点赞了!)
参考链接:
[1]李丁聊天室《两年读完计算机博士的分享》:
https://www.zhihu.com/zvideo/1348264350231289856
https://www.lidingzeyu.com/minchen-on-phd-reflection/
[2]最佳博士论文:
https://www.proquest.com/openview/178e7289d88473c8df74c493cc3b501c/1
[3]SIGGRAPH官网:
https://www.siggraph.org/acm-siggraph-2021-awards/
- 史无前例!Seq2Seq和GAN同获NeurIPS时间检验奖,Ilya连续2年获奖2024-11-28
- 无畏契约AI陪练即将上线!新智慧心携英特尔打造,秒get游戏技巧2024-11-28
- 经典卡尔曼滤波器改进视频版「分割一切」,网友:好优雅的方法2024-11-24
- PC产业驶入创新超车道,英特尔蓉城撬动AI新引擎2024-11-26