当我们谈论元胞自动机仿真时，常见的实现要么是基于 CPU 的简单脚本，要么是需要手动编写着色器语言的 GPU 加速版本。Cellarium 项目提供了一个独特的工程思路：使用 Rust 过程宏在编译期将受限的 Rust 代码直接翻译为 WGSL 计算着色器，让开发者以原生 Rust API 的书写体验获得 GPU 级别的并行计算性能。这种架构背后蕴含的状态管理策略、纹理打包方案与邻居计算抽象，值得深入分析。
Rust DSL 到 WGSL 的编译管道
Cellarium 的核心创新在于其编译时转换管道。开发者使用受限的 Rust 子集定义元胞行为，这个子集被严格限定为可以一对一映射到 WGSL 语法的表达式。过程宏#[cell]在编译阶段读取带有特殊标记的方法签名，将其中符合规则的 Rust 代码转换为等效的 WGSL 计算着色器片段。这种设计避免了传统 GPU 编程中需要维护两份代码（host 端逻辑与 device 端着色器）的同步问题，同时也消除了学习独立着色器语言的门槛。
受限的 Rust 子集覆盖了基本的算术运算、比较操作、逻辑运算以及控制流结构。具体而言，支持的运算包括+、-、*、/等二元操作符、==、!=、<、>等比较符、&&、||、!等逻辑运算符，以及if/else条件分支。值得注意的是，控制流仅支持if/else结构，不允许match匹配或循环语法，这是因为 WGSL 的计算着色器模型对分支发散有严格限制。浮点数方法如sin、cos、sqrt、abs、clamp被直接映射为 WGSL 内置函数，向量方法如length、normalize、dot同样可以获得原生支持。这种受限设计既是约束也是保证：它确保了转换的确定性，同时将开发者限制在 GPU 友好的代码模式内。
状态机模式与纹理打包策略
在 Cellarium 中，每个元胞由一个 Rust 结构体表示，该结构体通过#[derive(CellState)]宏声明。宏的核心任务是将结构体字段打包进 GPU 纹理资源。字段到纹理的映射遵循一个关键原则：字段永不分跨纹理。具体实现中，每个f32类型占用一个通道，Vec2占用两个通道，Vec3占用三个通道，Vec4占用四个通道。系统最多支持 8 个纹理，总计 32 个浮点数通道。这种打包策略确保了状态访问的局部性，相邻字段往往位于同一纹理中，可以有效减少采样时的纹理切换开销。
以 Gray-Scott 反应扩散模型为例，该模型需要追踪两种化学物质的浓度 a 和 b。定义结构体时只需声明两个f32字段，宏会自动将它们映射到同一纹理的 r 和 g 通道。初始化方法init在 GPU 上执行一次，根据网格坐标计算初始浓度分布。更新方法update则每个仿真 tick 执行一次，通过拉普拉斯算子计算浓度扩散，并应用反应项。这种将物理模型直接表达为状态转换逻辑的方式，极大降低了 GPU 仿真代码的编写难度。
双缓冲机制是状态管理的另一关键设计。所有元胞从同一 tick 的状态读取数据，计算结果写入下一 tick 的纹理槽位。这种设计从根本上避免了并发写入冲突，因为每个元胞永远不会看到其他元胞的中间状态。仿真循环通过交换读写纹理指针实现状态推进，开发者无需关心底层资源管理细节。
邻居计算 API 与微分算子
元胞自动机的核心计算离不开邻居状态访问。Cellarium 提供了丰富的邻居 API，将常见的邻域操作抽象为流畅的函数式接口。Neighbors类型封装了当前元胞周围的所有邻居，提供聚合方法如sum、mean、min、max、count，每种方法接受一个闭包用于选择目标字段。这种设计避免了手动索引邻居纹理采样器的繁琐过程，代码意图清晰明了。
更高级的 API 支持条件聚合。sum_where方法接受两个闭包：第一个定义要聚合的值，第二个定义过滤条件。例如计算距离小于 5 个单位的邻居贡献，只需传入nb.sum_where(|c| c.value, |c| c.distance() < 5.0)。过滤条件的引入使得基于距离权重的计算变得直观，这是传统着色器代码中需要显式循环和条件判断的繁琐操作。
微分算子是物理仿真场景的必备工具。Cellarium 内置了离散拉普拉斯算子、梯度算子和散度算子，分别通过nb.laplacian、nb.gradient、nb.divergence调用。离散拉普拉斯采用各向同性的 9 点 Stencil 模板，适用于反应扩散方程中的扩散项计算。梯度算子返回中心差分形式的二维向量，常用于对流项或势场分析。散度算子则将二维向量场映射为标量，在流体仿真中有重要应用。这些算子的实现经过优化，在 GPU 上可以高效地批量执行。
运行时参数调优与 TUI 集成
仿真系统的一大痛点是无法在运行时观察参数变化的效果。Cellarium 通过将impl块中声明的const常量提升为运行时可调参数来解决这个问题。开发者定义的常量如DA、DB、FEED、KILL在仿真启动后会注册到参数系统。系统自动生成一个终端用户界面，显示所有可调参数及其当前值。
键盘交互设计简洁高效。上下方向键选择参数，左右方向键以 1.05 倍系数微调参数值，按住 Shift 配合左右方向键则以 1.2 倍系数进行粗调。这种非线性调整策略符合直觉：细调时使用小步长避免 overshoot，需要大幅改变时使用指数级步长快速接近目标。按下 D 键重置选中参数到默认值，按下 S 键将当前参数快照保存为 JSON 文件。保存的文件不仅记录参数值，还包含完整的参数变更历史和时间戳，使得加载后的回放成为可能。
仿真窗口与 TUI 共享同一套键盘事件处理。这意味着开发者可以在仿真窗口中通过滚轮缩放视图、拖拽平移画布，同时在 TUI 中调整物理参数，两者互不干扰。这种设计在探索参数空间时极为便利：观察图案演化的同时调整参数，立即看到反馈结果。
工程实践启示
Cellarium 的设计为 GPU 计算框架提供了几点重要启示。首先，受限 DSL 是平衡表达力与可移植性的有效策略。通过限制语言特性范围，可以实现自动化转换而无需维护完整的编译器前端，同时确保生成的 GPU 代码具有可预测的性能特征。其次，状态打包策略直接影响内存访问效率。将逻辑上相关的字段放置在相邻纹理通道，可以利用 GPU 纹理缓存的局部性原理。最后，运行时可调参数对于探索性仿真至关重要。将编译期常量与运行时参数明确区分，配合直观的调参 UI，可以显著缩短从理论模型到可视结果的距离。
在更大规模的应用场景中，这套架构可以扩展到神经细胞自动机、粒子系统、流体仿真甚至图像处理领域。关键在于识别问题域中的状态定义、转换规则与邻居依赖，然后利用类似的 DSL 编译管道将其映射到 GPU 并行计算模型。
资料来源：Cellarium 项目 GitHub 仓库（https://github.com/andrewosh/cellarium）