背景：面向对象不是一组孤立语法面向对象程序设计很容易学成一串名词：类、对象、构造函数、封装、继承、多态、虚函数、抽象类、析构函数、模板、运算符重载。每个概念单独看都能背，但写程序时真正重要的是它们之间的关系。
这篇文章把课程笔记重组成一张学习地图。主线不是“罗列语法”，而是回答一个问题：
C++ 如何从自定义类型出发，逐步建立对象状态、生命周期、复用关系、多态接口和泛型能力？
第一层：类和对象，先能定义自己的类型class 可以先理解为一种自己定义出来的类型。
12345678910111213141516171819202122232425#include <iostream>#include <string>using namespace std;class Student {public: string name; int age; int score; void introduce() { cout << "我是 " << name ...
背景：先从能写小 GUI 开始学习 Qt 时不一定要一开始就系统啃完整文档。更实用的路线是：先写出一个可运行的小 GUI 程序，再逐步理解常见代码为什么这么写。
这篇文章采用 Qt Widgets + C++ 作为入口。原因很简单：Qt Widgets 更适合快速理解传统桌面程序结构，也能直接暴露 Qt 的几个核心概念：事件循环、信号槽、QObject 对象模型和布局管理器。
一个最小 Qt 程序由什么组成最小 Qt Widgets 程序大致如下：
12345678910111213#include <QApplication>#include <QWidget>int main(int argc, char *argv[]) { QApplication app(argc, argv); QWidget window; window.resize(400, 300); window.setWindowTitle("Hello Qt"); window.show(); return app.exe ...
背景：Transformer 解决的是什么问题Transformer 最初可以放在 Seq2Seq 问题里理解：输入一个序列，输出另一个序列。机器翻译、文本摘要、对话生成、语音识别都属于这类问题。
传统 RNN/LSTM 按时间步顺序处理序列，天然适合顺序数据，但也带来两个问题：训练不容易完全并行，长距离依赖要经过很多步传递。Transformer 的核心变化是：不再依赖循环结构逐步传信息，而是让序列中的每个位置都可以直接和其他位置建立关系。
这就是自注意力机制的价值。
自注意力：让每个 token 直接看全局自注意力机制做的事情可以概括为：
对序列中每个 token，计算它应该关注序列里哪些位置，再把相关位置的信息加权汇聚回来。
它带来两个直接收益。
第一是并行计算。序列中每个位置的注意力分数可以矩阵化计算，不必像 RNN 那样等待前一个时间步处理完。
第二是全局视野。任意两个 token 之间可以直接计算相关性，长距离信息不必层层传递，因此更适合处理长文本中的依赖关系。
从符号到向量：嵌入层模型不能直接理解“词”这个符号。嵌入层的作用就是把词表中的 token 转成 ...
这份可视化把两条研究线放在同一个视角下看：IPC 关心如何在强几何约束下稳定地求解接触仿真，MolmoMotion 关心如何从视觉、语言和历史轨迹中预测物体未来的 3D 运动。二者的共同点是都没有停留在像素表象，而是把运动写成更明确的几何状态。
下面嵌入的是完整交互页面。如果页面高度受限，建议打开独立页面查看。
打开完整可视化页面
.visualization-frame-wrap {
width: 100%;
min-height: 760px;
margin: 18px 0 8px;
border: 1px solid rgba(23, 33, 43, 0.14);
border-radius: 8px;
overflow: hidden;
background: #fbfaf7;
}
.visualization-frame {
display: block;
width: 100%;
height: 760px;
border: 0;
}
@m ...
虚函数的实现：vtable与vptr1. 要解决的问题先看这段代码：
1234567891011121314151617181920212223#include <iostream>using namespace std;class Animal {public: virtual void speak() const { cout << "Animal" << endl; }};class Dog : public Animal {public: void speak() const override { cout << "Dog" << endl; }};int main() { Animal* p = new Dog(); p->speak(); delete p; return 0;}
问题是：
12 ...
Disboundia 开发日志：博客中的 LaTeX 显示探索日期：2026-06-24作者：DaiShiBo类别：开发日志标签：Hexo AnZhiYu LaTeX MathJax SVG Markdown描述：这篇日志记录了我在博客中接入 LaTeX 公式显示的完整探索过程。它不是一次简单的“打开开关”，而是一次从 Markdown 渲染、主题样式、MathJax 输出模式到本地资源加载的排查。
1. 本次更新概述 (Summary)这次问题最开始出现在科研笔记博客化之后。文章里包含不少 FEM、Neo-Hookean、能量函数和链式法则相关公式，例如：
\Psi(F)
以及：
\frac{\partial Loss}{\partial A}
=
\frac{\partial Loss}{\partial C}
\frac{\partial C}{\partial B}
\frac{\partial B}{\partial A}
这些公式是科研文章里非常重要的表达方式。如果公式无法正确显示，文章就会从“可读的技术记录”变成“夹杂着一堆反斜杠的草稿”。因此，这次目标不是只让页面不报 ...
从 Surface Mesh 到 libuipc 预训练数据：一次数据生成管线搭建记录背景这轮工作的目标很明确：为 IPC / contact-aware 模型构建真实物理 rollout 数据，而不是继续依赖伪动力学或只看静态几何。
我们希望数据能够覆盖：
多物体碰撞；
动量传递；
3D 弹性体形变；
thin shell / cloth 弯曲；
rigid、elastic、shell 混合物理系统。
最终目标不是单纯生成几个能看的 MP4，而是逐步搭建一条可扩展的数据生成管线：几何资产发现、场景采样、真实 libuipc 仿真、MP4 可视化、日志校验、后续训练数据导出。
第一阶段：确认真实 libuipc rollout 可行最开始我们先尝试从 geometry_dataset_factory 中采样 OBJ 几何，生成 scene_manifest.json，再由 C++ 程序调用 libuipc 执行真实仿真。
这一阶段的核心结论是：
Python 侧负责采样和 manifest；
C++ 侧负责真实 libuipc 仿真；
数据输出统一放到 /e ...
背景这几天的学习主要围绕一个问题展开：
如果要用 libuipc 生成多物体随机碰撞数据，并进一步服务于 Neural IPC 或 contact-aware 模型训练，我到底需要理解哪些物理和工程概念？
最开始我只是在追踪数据生成脚本怎么跑，后来发现背后其实连着几层知识：
libuipc 的场景组织方式；
rollout 数据在训练中的意义；
FEM、ABD、shell 和 rigid body 的差别；
Neo-Hookean 等超弹性材料模型在 FEM 中的位置；
Neural Surrogate、Neural Constitutive Model 和 Neural IPC 分别在学什么。
本文把三篇每日学习笔记整合成一条主线：先从 libuipc 工程对象入手，再进入物理建模，最后回到机器学习到底应该学材料、学力，还是学接触。
1. libuipc 里的核心对象libuipc 可以先粗略理解成一套面向 IPC 仿真的物理系统。它里面有四个非常重要的对象：
Scene：静态剧本，定义场景里有什么物体、材料、接触、约束和重力；
Object：物体容器，比如一个 cube ...
Disboundia 开发日志：博客完整度与体验修复日期：2026-06-23作者：DaiShiBo类别：开发日志标签：Hexo AnZhiYu GitHub Pages 本地搜索 不蒜子 文章封面 UI优化 公众号描述：本篇日志记录了 Disboundia 在近期围绕博客页面完整度、访问统计、搜索体验、文章封面与前端细节所做的一轮集中整理。
1. 本次更新概述 (Summary)本次开发的重点不是新增某个单独功能，而是对博客进行一次可用性与完整度整理。在这轮调整中，博客从“能构建、能访问”进一步推进到“页面入口更清晰、视觉元素更统一、统计逻辑更明确、后续内容补全路径更可控”的状态。
这次也暴露出一个很重要的问题：静态博客并不是只有文章文件。主题配置、页面入口、数据文件、静态资源、第三方脚本和部署分支共同决定了最终页面的样子。任何一个环节的误解，都可能导致页面空白、统计异常或样式不符合预期。
2. 关键任务与目标 (Key Tasks & Goals)
检查博客项目结构，梳理待补全页面与数据文件。
将搜索从 DocSearch 调整为本地搜索方案。
修复 Linux ...
从零开始：Windows 11 上配置 Ubuntu 24.04 虚拟机完整指南作者：Disboundary
前言作为一名有志于成为技术死宅男（bushi）的大学生，我决定在自己的 Windows 11 电脑上搭建 Linux 开发环境。经过一整天的折腾，我从一个对 Linux 一无所知的小白，成功配置好了 Ubuntu 24.04 虚拟机，并解决了各种奇奇怪怪的问题。
这篇文章记录了我完整的配置过程，希望能帮到同样想入门 Linux 的你。
一、为什么选择虚拟机？在开始之前，我调研了三种在 Windows 上使用 Linux 的方案：
方案对比
方案
优点
缺点
适合人群
WSL（Windows 子系统）
安装简单、启动快、资源占用少
没有图形桌面、某些功能受限
只需要命令行的开发者
双系统
性能满血、真实体验
有分区风险、只能用一个系统
有经验的用户
虚拟机
完整桌面、安全隔离、可随时重装
性能有损耗、占用资源较多
新手学习首选 ✅
我的选择：虚拟机作为新手，我选择了虚拟机方案，原因如下：
1234✅ 安全：搞坏了可以一键重装，不影响 Windows✅ 完 ...
