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
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/
— 完 —
本文系网易新闻·网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。
「智能汽车」交流群招募中！