用LFortran和Enzyme让Fortran可微

Differentiable Fortran with LFortran and Enzyme

想象一下，直接对几十年前写的Fortran、C或C++仿真代码进行反向传播，并将其无缝嵌入JAX或PyTorch中，变成高性能的可微物理引擎。这听起来很疯狂，但通过LFortran和Enzyme的组合，我们真的做到了。传统做法是重写代码，而我们选择利用LLVM层面的魔法，直接从现有代码中提取精确梯度。虽然这个过程需要手动处理一些边缘情况，甚至要调试NaN梯度，但当看到古老技术与现代AI框架完美协作时，那种成就感无与伦比。

"如果足够勇敢，你确实可以对现有的Fortran、C或C++仿真代码进行反向传播，将其嵌入JAX和torch，并用作高性能可微物理引擎。"