대규모 입자 시뮬레이션은 수억 개의 입자를 생성하여 저장, 전송 및 대화형 시각화(interactive visualization)에 부담을 줍니다. SZ3와 같은 기존의 손실 압축기(lossy compressors)는 데이터 공간(data space)에서 작동하며, 다운스트림 시각화 충실도(downstream visualization fidelity)에 대한 보장을 제공하지 않습니다. 우리는 렌더링된 이미지 품질에 대해 직접 최적화된 컴팩트한 표현(compact representation)을 학습하는 3D Gaussian Splatting (3DGS) 기반의 시각화 인식 프레임워크인 ParticleGS를 제안합니다. 이 프레임워크는 (1) 다단계, 다궤도(multi-stage, multi-orbit) 학습 파이프라인, (2) 추론 시점에 사용자가 지정한 시각화 파라미터에 맞춰 단일 학습 모델을 적응시키는 경량 네트워크인 VizMapper, 그리고 (3) KD-tree 분해 및 전역 미세 조정(global fine-tuning)을 결합한 공간 블록 학습(spatial block training)을 결합합니다. 2억 8,100만 개의 입자를 가진 HACC 우주론 시뮬레이션에서 우리의 8-블록 모델은 65배 압축 시 30.03 dB PSNR에 도달하며, 유사한 압축률에서 SZ3보다 5-8 dB 더 높은 성능을 보입니다. 또한 추가적인 HACC 영역 및 암흑 물질 전용 FIRE-2 시뮬레이션에 대해 튜닝 없이도 일반화 성능을 보여줍니다. 이 모델은 단일 GPU에서 662 FPS로 렌더링하며, 이는 전체 입자 데이터에 대해 ParaView보다 2,300배 이상 빠릅니다.