거의 1,000페이지짜리 증명은 못 알아듣겠지만, 1페이지짜리 논문은 10분이면 이해한다
Poisson Disk Sampling
2024년, 아홉 명의 수학자들이 기하 랭글랜즈 추측의 거의 1,000페이지에 달하는 증명을 발표했다. 반대로, 2007년 Robert Bridson은 컴퓨터 그래픽과 시뮬레이션에서 흔한 문제인 '무작위로 배치하되 너무 가깝지 않게'를 해결하는 한 페이지짜리 논문을 발표했다. 이 글은 Bridson의 알고리즘을 설명하고, 점 생성 효율을 높이는 두 가지 개선책(부모 점 정보를 활용한 각도 제한, 거리 분포의 지수 조정)을 제시한다. 또한, 이미지의 밝기에 따라 점 간 거리를 조절하는 스티플링 기법과, GPU 기반 PixelPie 알고리즘, 그리고 2022년 Scott A. Mitchell이 발표한 결정론적 최대 포아송 디스크 샘플링 알고리즘을 소개한다.
저는 순수 수학의 정점인 그 증명을 이해하지 못할 것임을 받아들였지만, 정반대 스펙트럼의 끝에 있는 Bridson의 한 페이지 논문은 10분도 안 걸려 완전히 이해할 수 있습니다.
HN 토론
14- akkartik
내가 만든 디버그 UI 중에 아직도 가장 만족스러운 것 중 하나다.
- jacobolus
이 링크가 유용할 수도 있다: https://observablehq.com/@fil/poisson-distribution-generator...
- Terr_
> 알고리즘이 점 p를 배치한 다음 그 환형(annulus)을 샘플링하여 새 점 q를 얻는 경우를 생각해 보자.
나는 한동안 아래 시각화와 비교하여 p와 q가 여기서 바뀐 것이라고 생각하며 혼란스러웠다. [0] 그러나 지금 생각해 보면 내가 놓친 것은 시각화가 이미 확고하게 자리 잡은 두 점을 보여 주는 것이고, 문제는 잠재적인 세 번째(보이지 않는, 이름 없는) 점이 어디에 배치될 수 있는지에 대한 것이라는 점이다.
비유적으로 말하자면, 최근 자신의 발자국으로 이어지지 않을 새로운 이동 방향을 선택하는 문제인 셈이다.
[0] p와 q를 혼동하는 데 문제가 있다고 말할 수도 있겠다.