「Taichi 有哪些应用场景？」，「Taichi 能否在其它平台运行？」，「编程新人如何快速上手 Taichi？」等一系列问题，让不少对 Taichi 有兴趣的人感到好奇。
前不久，我司两位全能高手——资深研究科学家刘天添和技术布道师赵亮，详细聊了聊 Taichi 的设计，使用方法和应用案例，分享中，正有对这些问题最直接的回答。
图片
以下为精华版文字实录，分为四个部分：Taichi 是什么 / Taichi 提供了哪些功能 / 大家都在用 Taichi 做什么 / 新手如何快速入门。

01 Taichi 是什么？

Taichi 是一种嵌入在 Python 中的并行编程语言。通过即时编译的方式将 Python 编译成高性能的并行机器代码来执行，并且可以让每个 Python 程序员都可以轻松玩转这些高性能的计算代码，尤其是在数值计算上。
Taichi 的前端在设计时保留了和 Python 非常接近的语法，几乎可以让用户简单地添加一个 @ti.kernel 修饰符就可以无缝地把自己的 Python 函数变成高效的 Taichi Kernel。每个 Kernel 被 Taichi 编译器接管即时编译并进行编译器优化，编译完成的 Taichi Kernel 会选择用户指定的后端转译成可执行的机器代码，被部署到 CPU 或 GPU 上运行。
虽然 Taichi 的前端在 Python 中，并可以让用户通过 pip 来直接安装，但是它拥有独立中间表示和编译系统。所以理论上来说，Taichi 也可以被镶嵌到不同的前端当中进行调用。没错，Taichi 是一种支持多平台运行，代码量少、运行还快的编程语言。
图片

 

02 Taichi 提供了哪些功能？

早期，大部分的 Taichi 程序是被用来做仿真的，比如粒子和网格系统，下图这是一个 MLS-MPM 系统，这个系统拥有 1,000 万个粒子在屏幕中同时运行。

 

图片

#自动并行和解耦数据排布和计算
Automatic Parallelization & Data-oriented Language Design
Taichi 程序之所以能被高效运行，除了编译器优化之外，主要是得益于它的两个设计理念：第一是 Taichi 可以自动并行每个 Taichi kernel 最外层的 for 循环，这使得每个 Taichi 程序可以最大化调用计算硬件的性能；第二则是解耦数据排布和计算，这可以让用户在不修改计算代码的同时，测试不同的数据排布产生的影响，提高内存访问的效率。
#稀疏计算
Sparse Computing
除此之外，Taichi 还包含很多更加复杂的功能。比如稀疏计算，在下面这个多物理的仿真系统里面，可以看到有沙子、流体、弹性物体，但这些仿真的粒子并不会占满整个空间。在 2D 系统中，它们可能只占了屏幕中的一半左右的空间；在 3D 系统中，它们占用的空间比例会更少。Taichi 为此自动提供了稀疏计算，对无用的 Grid Space 不进行存储和操作，从而降低内存消耗，大幅提升运算效率。
图片
#量化计算 
Quantization
什么是量化计算？平时我们用的整型或浮点型通常是固定位数的，比如说 16 位、32 位、64 位。但是很多时候，我们需要在程序性能、精确度、内存占用方面做一些权衡，比如用更低的精确度换取更高的分辨率和性能。量化计算就能通过操作基础数据类型的位数，实现上述目标。下面的 Stable Fluids 仿真，正是经过量化计算，生成了超高分辨率的仿真系统。
图片
#非结构网格的并行 
Efficient Computing for Meshes
Taichi 还可以被用来进行非结构网格的并行，上面我们看到的所有网格都是结构化的（Grid），而在很多图形学程序中，我们也需要使用非结构的网格，通常我们叫它 Mesh。非结构网格会定义诸如节点-节点，边-节点，面-节点的连接关系，通过一种显式的方式去构造网格，而 Taichi 也可以在这样的网格上进行并行加速。如下图中，我们把一个拥有 19 万个顶点的弹性小鹿模型随机打乱，并采用隐式积分来完成有限元仿真，最终的结果可以被加速到 34 FPS 供用户实时交互。
图片
#自动微分 
Automatic Differentiation
Taichi 还有一些有意思的功能，比如自动微分。我们可以使用 Taichi 的自动微分系统，把仿真器和渲染器的导数传给机器学习框架进行训练。下面这个程序，我们使用 Taichi 做了一个可微的流体仿真和渲染系统。我们把一个水波的仿真，盖在一张松鼠图片上，结果就能作为对抗网络骗过一个机器学习的框架，让它认为这是一条金鱼（🐟❓🐿）而且可能性高达 99.91%。
图片

 

03 大家都在用 Taichi 做什么？

#渲染
在 Twitter 上有一位热心用户 Brian，他提到在 Taichi 真的实现了 Ray Tracing in One Weekend，同时放出了用 Taichi 渲染的、非常炫酷的图片。他之后还做了一个 Blender 的插件，可以让 Taichi 在 Blender 里面也进行渲染。
图片
#流体力学
有一位日本热心网友，使用 Taichi 做出一个 2D 的流体仿真系统，模拟了一个不可压缩的流体，可以观察到流体穿过障碍物时形成的涡流和涡的扩散过程。

图片

#物理仿真动画
去年，苏黎世联邦理工使用 Taichi 进行了计算机图形学的教学，同学们创作出很多精彩的物理仿真动画。后来我们联系到这门课程的助教，谈到「为什么要选择 Taichi？」，助教表示「用 Taichi 真的省时省力」。相比 C++，使用 Taichi 可以节省很多脚手架代码。同时，借鉴 Taichi 之前沉淀的太极图形课、GAMES 课程中的开源代码，学生们能快速上手，减少学习成本。此外，学生们不必纠结于 C++ 编译部分，也不需要学习 CUDA 编程，可以把精力专注于算法的实现。下图为学生作业：关于沙子的物理仿真。
图片
下面的作品来自哥廷根大学的陈浩老师，他用 Taichi 实现了一个涡流与极小曲面的动画。什么是极小曲面？假设你拿一根铁丝围成一个闭曲线，在肥皂水里面蘸一下，拿出来的时候，表面就会覆盖一层薄膜，这个薄膜满足张力最小，它是一个极小曲面。极小曲面不但是微分几何学的重要研究对象，在材料科学、工程学，建筑设计领域也有广泛应用。
图片
#同时定位与地图构建
这个作品来自香港科技大学的徐浩同学，主要研究方向为无人机（UAV），无人机集群 （Aerial Swarm），协同定位与建图（CSLAM）。他使用 Taichi 实现了一个 SLAM 定位中的八叉树地图构建。这个原理和体素（Voxel）很像，假设一个房间当中有很多的障碍物，这些障碍物可以用一个小方块近似地去表示。为了存储房间中的障碍物，我们不必使用一个完整的 128×128×128 空间大小的网格，实际上只要记录那些有障碍物的网格就可以。通过使用 Taichi 的稀疏矩阵表示，我们可以把需要存储的障碍物信息压缩在一个很小的空间内，这样可以减小显存消耗，也使我们计算得更快。
图片

 

04 新手如何快速入门 Taichi？

前面我们提到，Taichi 依托于 Python 的前端，所以你可以在拥有 Python 环境的电脑上，一键安装最新版 Taichi Lang👇 
python3 -m pip install taichi --upgrade
Taichi 可以在 Windows、Linux 和 Mac OS 系统上跑起来，而且不管你的电脑是 CPU 还是 GPU，Taichi 都能找到指定后端，并在上面高效运行。
安装完成后，Taichi 还提供了一套比较简单的命令行，进行一些基础程序的调用，比如使用 ti gallery 执行交互式的 Demo，或访问 ti example 查看 Taichi 所有例程。
如果你对 Taichi 非常感兴趣，但是缺乏图形学基础，建议前往 B 站体验太极图形课第一季，从零开始入门图形学，快速上手编程，实现酷炫的图形效果。
想了解更多应用实例，请前往 Awesome Taichi，欣赏社区同学创作的超赞 Demos，探索 Taichi 更多可能性！

内容中包含的图片若涉及版权问题，请及时与我们联系删除