如何基于WebGPU实现曼德博集合的无限缩放效果？

1. 高精度数值类型延迟精度丢失 #

WebGPU的WGSL支持f64双精度浮点类型，将着色器中所有复数运算相关的变量（如C、Z、scalar、center）替换为f64类型，能大幅提升可缩放的深度。但这只是延缓精度丢失的临界点，无法彻底解决极端缩放场景下的问题。

2. 局部坐标迭代变换（核心方案） #

YouTube上的无限缩放效果，核心是避免直接使用高倍数缩放的全局坐标，而是通过累积变换参数跟踪局部视图：

• 每次缩放时，记录当前视图的中心偏移和缩放层级，在着色器中基于这些参数计算局部坐标，而非直接对原始全局坐标进行放大。
• 用任意精度整数模拟复数运算：将坐标拆分为整数部分和高精度分数部分（用数组存储多位十进制/二进制数），在着色器中实现基于整数的复数平方、加法运算，彻底规避浮点数精度限制。

3. 分块渲染与细节补全 #

当缩放接近精度极限时，采用分块渲染策略：

• 先渲染低精度的全局视图，再对局部细节区域单独使用高精度运算补全像素。
• 利用曼德博集合的自相似特性，预计算典型区域的特征模式，在缩放时复用这些模式，减少重复计算带来的精度损耗。

4. 逃逸时间算法优化 #

• 改用距离估计法替代单纯的迭代计数：计算像素到集合边界的距离，实现更平滑的着色效果，即便精度不足也能保持视觉连续性。
• 优化迭代终止条件：除了判断|Z| >= 4，加入误差检测逻辑，当迭代过程中数值误差超过阈值时，自动切换到高精度计算模式。

内容的提问来源于stack exchange，提问作者Manu Soman