GCL学术成果：SIGGRAPH 2026-基于探针的Walk on Spheres以实现高效路径复用

近日，SIGGRAPH 2026 接收成果公布，来自中国科学技术大学数学科学学院GCL实验室的刘利刚老师与方清老师研究团队在蒙特卡洛偏微分方程求解方向取得新进展，提出了一种面向高效路径复用的 Walk on Spheres 改进方法——Walk on Probes（WoP）。该方法针对传统 Walk on Spheres（WoS）算法收敛速度慢、随机路径信息利用不足的问题，提出基于固定空间探针的路径复用框架，在保持 WoS 无网格、易并行和适应复杂几何优势的同时，显著提升了求解精度与采样效率。

背景与问题

Walk on Spheres 是一种经典的无网格蒙特卡洛 PDE 求解方法，可通过随机游走估计区域内部的解。然而，作为蒙特卡洛方法，WoS 通常受到收敛速度限制，需要大量采样才能获得低噪声结果。已有缓存与方差降低方法虽然能够利用空间相关性，但往往没有充分挖掘随机游走路径本身所包含的信息。

核心方法

本工作从 WoS 过程的 Markov 性质出发，指出一条随机游走轨迹中的每个中间状态都可以看作有效的无偏估计来源。为使这些路径信息能够被稳定、高效地复用，论文提出 Walk on Probes：在求解域内预先布置一组固定球形 probes，将动态生成的随机球替换为可长期累积样本的固定结构。这样，随机游走过程中产生的中间点可被转化为 probe 边界上的可复用样本，并通过 Poisson 积分公式和级数展开高效重建区域内部解。

在方法设计上，WoP 主要包含三个核心部分：首先，利用固定 probes 组织随机游走过程，使路径中间状态能够被多个查询点共享；其次，结合 Harmonic Caching 将大量边界样本压缩为低维系数表示，从而避免朴素路径复用带来的高复杂度；最后，引入控制变量与自归一化重要性采样，进一步降低估计方差并提升数值稳定性。

实验结果

实验结果表明，WoP 在多种 Dirichlet、Neumann 以及 Poisson / screened Poisson 问题中均能生成更加平滑、低噪声的解。在典型的 watch gear 场景中，WoP 相比 Walk on Stars、Mean Value Caching 和 Harmonic Caching 等方法取得了更低的误差和更短的计算时间，展示出良好的采样效率与路径复用能力。该方法为无网格蒙特卡洛 PDE 求解提供了一种新的方差降低思路，也为复杂几何上的高效物理模拟与数值计算提供了新的工具。

论文发表 该工作已被计算机图形学顶会SIGGRAPH 2026接收，发表于ACM Transactions on Graphics。

论文原文

● 论文标题：Probe-based Walk on Spheres for Efficient Path Reusing

● 作者：Wanchao Huang，Yutian Zhu，Qing Fang，Ligang Liu

● 单位：中国科学技术大学

● 项目主页：https://t7imal.github.io/projects/2026wop/