本项目通过引入流体仿真技术，在虚拟现实背景下高效并行化处理离散流体粒子数据，实现实时且真实细致的流体交互反馈。为此，项目融合了机器学习和CUDA技术，搭建了流体粒子态数据的并行化编程框架，以加速流体仿真过程，并优化了相关算法，采用的技术有TensorFlow框架，CUDA技术等。

我作为组长，负责项目整体推进和算法优化部分。

首先在taichi框架下采用SPH算法模型进行获取流体运动数据；之后利用TensorFlow 2深度学习框架，结合机器学习算法，构建流体内部和表面粒子的模型来预测流体粒子的运动状态；然后利用CUDA（NVIDIA的通用并行计算架构），提高项目的运算效率。然而，由于流体粒子在流体中分布不均匀，因此我重构了KNN算法和球面查找，和最小二乘法思想融合：调整K值和优化球心坐标和半径，实现了GPU和CUDA平台的全面支持，成功提高计算速度。