Forwarded from Hacker News 摘要
Telegraph
Wine 11 从内核层面重写 Linux 运行 Windows 游戏的方式,带来巨大性能提升
原标题:Wine 11 rewrites how Linux runs Windows games at kernel with massive speed gains Linux 游戏体验自 2018 年 Valve 发布 Proton 以来发生了翻天覆地的变化。与以往仅包含少量修复的年度更新不同,Wine 11 是一次重大的跨越。它引入了开发多年的 NTSYNC 支持,从内核级别重写了 Linux 运行 Windows 游戏的方式,并彻底完成了 WoW64 架构的重构。 内核级同步机制:NTSYNC…
Forwarded from Hacker News 摘要
Telegraph
Show HN: 阔别 16 年我重新接管了 Video.js,我们通过重写将其体积缩小了 88%
原标题:Show HN: I took back Video.js after 16 years and we rewrote it to be 88% smaller Steve Heffernan 在阔别 16 年后重新接管了 Video.js 项目,并发布了 Video.js v10.0.0 的测试版本。此次更新是对该播放器进行的大规模底层重构,不仅联合了 Video.js 团队,还汇集了 Plyr、Vidstack 和 Media Chrome 等知名开源项目的开发者。这些项目在 GitHub 上累计获得超过…
Forwarded from Hacker News 摘要
Telegraph
算法可视化工具
原标题:Algorithm Visualizer Algorithm Visualizer 是一个交互式在线平台,旨在通过可视化手段让算法生动形象地呈现出来。无论是学生、教师还是专业人士,都可以通过这个平台以一种更具参与感的方式来探索和理解各种算法。 主要功能与特点 • 从代码实现可视化:该平台允许用户通过可视化由多种编程语言编写的代码,亲眼目睹算法的实时运行过程。这种视觉化方法有助于用户更好地理解算法的行为和逻辑。 • 丰富的学习资源:平台集成了大量的教程、文章和视频,为学习算法提供了宝贵的参考资料。…
codepen.io
Untitled
...
#今日挑战*42:伪光追与声学克拉德尼花纹(Chladni Figures & Standing Waves)
https://codepen.io/duangsuz/pen/azmLOmo
本挑战模拟固体薄板在特定频率振动下形成的克拉德尼花纹(Chladni Figures)。
薄板的振动模态由驻波方程描述。当板受到激振时,某些区域(波节线,Nodal Lines)的振幅为零。散布在板上的微小颗粒(如沙子)会因振动加速度而被推离高振幅区域,最终自发聚集在波节线上。
放弃了复杂的偏微分方程求解,直接利用驻波的解析解。梯度的计算被简化为差分近似,且完全移除了 if/else 逻辑,运动方向纯粹由波函数的导数决定。
单一粒子看似在做随机震荡,但数千个粒子的集体行为揭示了隐藏在空间中的对称性。交互的本质不是控制粒子,而是改变空间的“势能景观”,让数学结构在物理实体的堆积中被看见。
https://codepen.io/duangsuz/pen/azmLOmo
本挑战模拟固体薄板在特定频率振动下形成的克拉德尼花纹(Chladni Figures)。
薄板的振动模态由驻波方程描述。当板受到激振时,某些区域(波节线,Nodal Lines)的振幅为零。散布在板上的微小颗粒(如沙子)会因振动加速度而被推离高振幅区域,最终自发聚集在波节线上。
放弃了复杂的偏微分方程求解,直接利用驻波的解析解。梯度的计算被简化为差分近似,且完全移除了 if/else 逻辑,运动方向纯粹由波函数的导数决定。
单一粒子看似在做随机震荡,但数千个粒子的集体行为揭示了隐藏在空间中的对称性。交互的本质不是控制粒子,而是改变空间的“势能景观”,让数学结构在物理实体的堆积中被看见。
#dalao https://lovasz-local-lemma.github.io/showcases/symbolic_math_showcase/index.html
I'm a research-driven software engineer specializing in computer graphics and GPU-based simulation, with over seven years of experience in physically based rendering, shader development, and GPU pipeline architecture. My work spans both offline renderers and real-time systems, integrating academic techniques with high-performance, practical implementations across graphics, simulation, mathematics, and interactive visualization.
I see no rigid boundary between research, engineering, and art. Advanced techniques become meaningful to me only when they are transformed into concrete, interactive systems; and when rigorous internal design is paired with equally thoughtful visual presentation. I enjoy translating research ideas into robust, well-engineered implementations, repurposing techniques across domains to create expressive visual effects, and designing interfaces that make complex behavior intuitive rather than opaque.
duangsuse::Echo
#ce #plt 带步骤的四则计算器。递归逆波兰。22行代码 浅先=`;=;+ -;* / %` 流=(a, _s=[...a].values())=>()=>_s.next().value 切2D=(s,sp0,sp1)=>s.split(sp0).map(s=>s.split(sp1) ) {let t={},k; 切2D(浅先,';',' ').forEach((x,i)=>{for(k of x)t[k]=i}); 符深大=t} 符链=(s,l)=>{let a=[],add=x=>a.push(x)…
#ce
https://gemini.google.com/share/8d159340d4fd
https://chat.librechat.ai/share/CiEdDY-9qTsPVTeax9CaL
https://gemini.google.com/share/8d159340d4fd
https://chat.librechat.ai/share/CiEdDY-9qTsPVTeax9CaL
Gemini
Gemini - 最小编译器实现:词法、语法、代码生成
Created with Gemini
codepen.io
Untitled
...
#今日挑战*120:逻辑斯蒂分叉(Poincaré Map & Logistic Bifurcation)
https://codepen.io/duangsuz/pen/ByLwORo
数学原理:
本挑战展示了**非线性动力学**中的经典路径:从有序到混沌。核心公式为逻辑斯蒂映射:$x_{n+1} = r \cdot x_n(1 - x_n)$。
* 当控制参数 $r < 3$ 时,系统收敛至单一稳定点。
* 当 $r$ 增大,系统发生**倍周期分叉(Period-doubling Bifurcation)**。
* 当 $r > 3.57$ 时,系统进入确定性混沌。
鼠标 $Y$ 轴控制迭代深度。每一列代表一个特定的 $r$ 值下,系统在相空间中的长期行为。这种可视化能让你直观感受到“混沌中的窗口”现象。
系统的行为转换完全由公式 $r x(1-x)$ 的参数驱动。这种“无分支”的逻辑是动力系统研究的精髓。 每一帧都重新从初始值迭代,通过“预热迭代(Warm up)”滤除瞬态,直接展示系统的极限环或吸引子。
- 想尝试在当前 $r$ 值下加入声音合成,将混沌系统的迭代值直接映射为音频振幅,亲耳聆听“分叉”产生的谐波倍增吗?
https://codepen.io/duangsuz/pen/ByLwORo
数学原理:
本挑战展示了**非线性动力学**中的经典路径:从有序到混沌。核心公式为逻辑斯蒂映射:$x_{n+1} = r \cdot x_n(1 - x_n)$。
* 当控制参数 $r < 3$ 时,系统收敛至单一稳定点。
* 当 $r$ 增大,系统发生**倍周期分叉(Period-doubling Bifurcation)**。
* 当 $r > 3.57$ 时,系统进入确定性混沌。
鼠标 $Y$ 轴控制迭代深度。每一列代表一个特定的 $r$ 值下,系统在相空间中的长期行为。这种可视化能让你直观感受到“混沌中的窗口”现象。
系统的行为转换完全由公式 $r x(1-x)$ 的参数驱动。这种“无分支”的逻辑是动力系统研究的精髓。 每一帧都重新从初始值迭代,通过“预热迭代(Warm up)”滤除瞬态,直接展示系统的极限环或吸引子。
- 想尝试在当前 $r$ 值下加入声音合成,将混沌系统的迭代值直接映射为音频振幅,亲耳聆听“分叉”产生的谐波倍增吗?