연성체 (Soft bodies)의 미분 가능한 시뮬레이션 (Differentiable simulation)은 시스템 식별 (System identification), 궤적 최적화 (Trajectory optimization), 그리고 Real2Sim 전이 (Real2Sim transfer)를 위한 기초입니다. 그러나 미분 가능한 투영 역학 (Differentiable Projective Dynamics, DiffPD)과 같은 기존 방법들은 실제 세계에서 흔히 발생하는 극단적인 강성 대비 (Stiffness contrasts)를 가진 이종 재료 (Heterogeneous materials), 대변형 하에서의 초탄성 (Hyperelasticity), 그리고 접촉이 풍부한 상호작용 (Contact-rich interactions)에 직면했을 때 어려움을 겪습니다. 본 논문에서는 이러한 얽힌 과제들을 동시에 해결하기 위해 이종 재료를 위한 통합 GPU 가속 미분 가능 투영 역학 (Differentiable Projective Dynamics) 프레임워크인 DiffPhD를 제시합니다. 우리의 핵심 통찰은 다음과 같은 요소들의 세심한 통합에 있습니다: (i) 이종성을 전역 시스템에 내장하기 위한 강성 인식 투영 가중치 (Stiffness-aware projective weights); (ii) 안정적인 초탄성 그래디언트 (Hyperelastic gradients)를 위해 역전파 (Backward pass) 단계로 격상된 신뢰 영역 고유값 필터링 (Trust-region eigenvalue filtering), 그리고 큰 강성 대비 하에서 순방향 반복 (Forward iteration)을 안정화하기 위한 이중 게이트 수렴 (Dual-gate convergence)을 갖춘 type-II Anderson 가속 (Anderson Acceleration) 스킴; (iii) 순방향, 역방향 및 접촉 계산 전반에 걸쳐 단일 희소 인자 (Sparse factor)를 재사용하는 통합 GPU 파이프라인으로, 강성이 증폭된 Rayleigh 감쇠 (Rayleigh damping)를 동일한 인자에 포함시켜 추가 비용 없이 이종성을 인식하는 소산 (Dissipation)을 구현했습니다. DiffPhD는 이종성, 초탄성, 접촉이 풍부한 벤치마크에서 기존 미분 가능 솔버 대비 최대 10배의 속도 향상을 제공하는 동시에 엄격한 그래디언트 정확도를 달성합니다. 결정적으로, 이러한 속도 향상은 안정성을 희생하지 않습니다. DiffPhD는 기존 PD 솔버들이 성능이 저하되는 최대 100배의 강성 대비에서도 수렴성을 유지합니다. 이는 이전에는 솔버의 취약성이나 반복당 비용으로 인해 병목 현상이 발생했던 영역들—쉘-관절 복합 생명체 (Shell-joint composite creatures), 단단한 무기를 휘두르는 연성 캐릭터 (Soft characters wielding stiff weapons), 그리고 소프트 그리퍼 로봇 조작 (Soft-gripper robotic manipulation)—에 대해 단일 순방향-역방향 패스 내에서 엔드투엔드 그래디언트 기반 최적화를 가능하게 합니다.