Myeongseon Choi
dffa67d505
trait 정렬 fix 가 후속의 base 라는 직관적 의존성은 실제로는 약함: 1D random walker 는 simul-core trait 만 사용하므로 simul-euclidean ForceInteraction 부정합과 독립이다. 반면 trait fix 의 *최종 모양* (Handle 을 simul-core 로 lift 할지, EuclideanInteraction sub-trait 으로 둘지) 은 두 데이터 포인트 (Euclidean MD + Lattice) 가 있어야 근거 있게 결정됨. 따라서 M0+ 단위 순서를 1↔2 swap + 결정 게이트 신규 §2 추가: (구) 1. Trait fix → 2. canary → 3-7. forces/wrappers (신) 1. canary → 2. 추상 재설계 결정 → 3. Trait fix → 4-8. PROGRESS.md §1 M0+ 표 행 재배치, §6 다음 한 단위 갱신. learning/M0+.md 섹션 순서 물리 재배치 + 새 §2 결정 게이트 추가. Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
simul
OpenMM(C++ 분자동역학 라이브러리)의 비-플러그인 핵심을 Rust 로 학습용으로 재구현하는 crate.
AI 가 코드를 짜지 않는다. 한 사람이 학습 목적으로 직접 작성한다는 제약 위에서 설계됐다.
단일 진실 원천 (Single Source of Truth)
| 우선순위 | 문서 | 용도 | 충돌 시 |
|---|---|---|---|
| 1 | ROADMAP.md |
마일스톤 (M0+ ~ M8), 6개월 / 1년 / 2년 컷라인, 명시적 NEVER 리스트, 정책 결정 8건. WHY / WHERE-TO. | 다른 문서가 ROADMAP 과 충돌하면 ROADMAP 우선. |
| 2 | PROGRESS.md |
학습자 대시보드. 마일스톤별 체크박스, 학습 자산 카운터, 4중 방어선 status, "지금 다음 한 단위". WHERE-AM-I / WHAT-NEXT. 매 단위 / 마일스톤 종료 시 갱신. | ROADMAP 의 미러. |
| 3 | learning/ |
AI 협업 워크플로 디렉토리: M{N}.md (마일스톤별 디테일 패키지), todo-generator.md (새 단위 todo prompt), review-rubric.md (구현 평가 rubric), canary-check.md (4중 방어선 게이트). |
— |
| 4 | DESIGN.md |
Rust workspace 구조, trait 설계, 단위 시스템 등 기술 설계. | ROADMAP 의 결정에 따라 갱신. 갱신 패치는 .team-output/DESIGN_PATCH.md 참조. |
| 5 | MIGRATION_CHEATSHEET.md |
OpenMM ↔ simul 1페이지 빠른 참조. 학습자가 코드 작성 시작 전 펼쳐볼 표. | ROADMAP §1.2 원칙 위에서 해석. |
| 6 | tests/UPSTREAM_TESTS.md |
Tier-3 (의도적 미번역) OpenMM 테스트의 인용 카탈로그. 학습자의 인지 함정 ("나는 7%밖에 안 옮겼다") 방지. | — |
| 7 | todo.md |
초기 마일스톤 체크리스트 (PROGRESS.md 도입 전). PROGRESS.md 와 점차 통합 권고. | ROADMAP 갱신 시 동기화. |
분석 산출물 (.team-output/)
agent team simul-roadmap (team-lead + openmm-analyst + test-translator + rust-architect + devil-advocate) 의 산물. T1~T13 분석 파일 + 보강 + DESIGN_PATCH 까지 총 ~15 파일. ROADMAP / MIGRATION_CHEATSHEET / UPSTREAM_TESTS / DESIGN_PATCH 의 근거 문서. 별도 인덱스는 ROADMAP.md §13.
학습 원칙 (ROADMAP §1.2 요약)
- 알고리즘 먼저, GPU 나중. M0–M3 는 ndarray + rayon 호스트 serial. CubeCL 은 작동하는 reference 가 있은 후 도입.
- OpenMM 은 truth-source 지 mirror 가 아니다. 모든 OpenMM 클래스를 1:1 옮기지 않는다.
- 명시적 NEVER 가 인지부하를 줄인다. "언젠가 해야지" 의 부담은 실패 신호.
- 학습 가치 ÷ 분량 을 극대화하는 단위만 우선.
다음 행동
ROADMAP.md §14 "다음 행동 (학습자 첫 1주)" 참조. 첫 PR 권고는 Interaction ↔ ForceInteraction trait 정렬 fix (한나절).
라이선스
MIT (Cargo.toml 참조).