食蚁兽吃什么在好莱坞大片特效等计算机图形学的典型应用场景中，高分辨率的物理仿真能提供很好的视觉效果。更高的仿真计算复杂度和分辨率可以带来更丰富的细节，但相应的计算需要占用更大的内存或者显存空间。例如，在电影《冰雪奇缘》中，300 米宽的溃坝场景使用了 9000 万个粒子对水体进行表达，全精度的仿线 块 NVIDIA Quadro P6000 显卡，一共占用约 96GB 显存。

　　为了节约计算时占用的数据存储空间，研究者将 “量化” 技术引入了物理仿真算法，也就是在仿真计算过程中，使用更少的比特位数来表达和存储物理变量。例如，在去年计算机图形学顶会 SIGGRAPH 2021 上，来自 MIT、浙大和快手的研究人员联合发表了一篇以 QuanTaichi 为题的论文，实现了一个由 “太极” 编译器支持的量化类型系统，允许用户用较少的位数来表示空间位置、速度等各种物理变量，从而在 GPU 显存消耗不变的情况下，以更高的分辨率进行物理仿线]）。然而，QuanTaichi 需要用户手工设计量化方案，指定仿真中使用到的每个变量的位数，并不断进行仿真计算试错，最终找到合适的方案。

　　在今年的 SIGGRAPH 2022 会议上，来自浙江大学、快手和美国犹他大学的研究人员联合发表了一篇题为《物理仿真的自动量化》的论文，提出了一种自动兼顾量化仿真精度和内存消耗的方法。与全精度的物理仿真相比，能够在视觉效果不受明显影响的前提下，节省 50% 以上的内存占用，从而大幅度提高了量化仿真的易用性和生产力。

　　此外，该研究引入了抖动法（dithering）作为量化仿真的舍入方法来替代传统的四舍五入，降低了数据误差之间的相关性。在量化位数较少时，抖动法可以明显减少精度损失。以下是一组关于引入抖动法的效果对比。在上方未使用抖动法的仿真结果中，从同一水平位置开始自由落体运动的字母由于量化误差的影响，水平位置不再保持一致；在下方引入了抖动法的量化仿真结果中，所有字母在下落过程中能保持水平对齐，符合客观的物理规律。

　　下图展示了应用该方法实现的基于欧拉网格实现的量化的烟雾仿真。使用该方法自动求解量化方案实现了 1.93 倍的内存压缩，在单张 Nvidia RTX 3090 显卡上使用了超过 2.28 亿个的欧拉网格。

　　下图是基于物质点法实现的弹性体仿线 倍的内存压缩，在单张 Nvidia RTX 3090 显卡上仿线 亿个粒子。

　　下图是基于物质点法实现的流体仿线 倍的内存压缩，在单张 Nvidia RTX 3090 显卡上仿线 亿个粒子。

　　目前，相关的技术已成功落地，打开快手 APP，拍摄「别哭鸭」、「我要去潜水」和「火焰超能力」等魔法表情，即可体验到短视频行业内独家的移动端实时液体模拟特效技术。