Show HN: Neural Particle Automata

기존의 **Neural Cellular Automata(NCA)**가 고정된 격자(Lattice) 위에서 작동하는 것과 달리, **Neural Particle Automata(NPA)**는 연속적인 위치를 가진 **동적 입자 시스템(Lagrangian system)**을 기반으로 합니다.

각 입자는 고유한 위치와 내부 상태를 가지며, 공유된 학습 가능한 규칙에 의해 업데이트됩니다. 이를 통해 다음과 같은 이점을 제공합니다:

• 개별 입자의 식별: 격자에 얽매이지 않는 개별 입자 단위의 역학 구현 가능
• 계산 효율성: 활동이 있는 영역에만 계산을 집중하여 효율적인 연산 수행
• 이질적 역학: 입자마다 서로 다른 역학적 특성을 부여할 수 있음

입자 시스템의 고질적 문제인 이웃 탐색의 복잡도 문제를 해결하기 위해, 미분 가능한 Smoothed Particle Hydrodynamics(SPH) 연산자와 메모리 효율적인 CUDA 커널을 도입하여 대규모 학습이 가능하도록 설계되었습니다.

이 모델은 형태 형성(Morphogenesis), 포인트 클라우드 분류, 입자 기반 텍스처 합성 등의 과제에서 NCA의 강점인 **강건성(Robustness)**과 재생(Regeneration) 능력을 유지하면서도, 입자 시스템 특유의 새로운 동작을 성공적으로 보여주었습니다.