杜韬博士是清华大学交叉信息研究院助理教授，研究方向为计算机图形学。他的研究工作结合物理仿真、机器学习、数值优化方法理解和设计动力系统，其相关成果发表于图形学和机器学习顶级会议如SIGGRAPH，ICLR，ICML，NeurIPS等。在加入清华之前，他于2021年从MIT计算机系获得博士学位并担任博士后。他于2015和2013年分别从斯坦福大学计算机系和清华大学软件学院获得硕士和学士学位。
个人荣誉
NeurIPS优秀审稿人（2021，2022）
ICML优秀审稿人（2022）
•计算机图形学
物理仿真
计算设计与制造
研究方向：
计算机图形学领域：物理仿真/高性能计算
岗位职责：
负责面向机器人应用的物理仿真技术研究，包括但不限于多物理系统的物理建模，数值求解，可微仿真，算法加速，代码实现等
任职资格：
拥有数学/物理/计算机相关专业背景，数理基础课程（如线性代数，微积分，概率与统计，凸优化，数值计算等）成绩优秀 •拥有图形学相关的学习/科研/工作经历， 熟练掌握C++和/或CUDA编程
简历投递：
leqq@sqz.ac.cn
•Deep Learning for Physics Simulation被SIGGRAPH 2023 Course接收（2023.5）
杜韬助理教授将在今年夏天的图形学顶级会议ACM SIGGRAPH 2023上讲授课程Deep Learning for Physics Simulation。该课程讨论了近年来结合机器学习方法优化物理仿真的若干趋势并重点介绍几类代表性方法，包括课题组近期参与发表的两篇ICML论文。更多信息请访问https://people.iiis.tsinghua.edu.cn/~taodu/dl4sim/。
Deep Learning for Physics Simulation, Tao Du, SIGGRAPH 2023 Course.
Learning Preconditioner for Conjugate Gradient PDE Solvers, Yichen Li, Peter Yichen Chen, Tao Du, Wojciech Matusik, ICML 2023.
Learning Neural Constitutive Laws from Motion Observations for Generalizable PDE Dynamics, Pingchuan Ma, Peter Yichen Chen, Bolei Deng, Joshua B. Tenenbaum, Tao Du, Chuang Gan, Wojciech Matusik, ICML 2023.
DexDeform: Dexterous Deformable Object Manipulation with Human Demonstrations and Differentiable Physics, Sizhe Li, Zhiao Huang, Tao Chen, Tao Du, Hao Su, Joshua B. Tenenbaum, Chuang Gan, ICLR 2023.
