[FEATURE] neuron Phase 16 — dynamic topology evolution (RigL regrow + Net2Net grow) [메인]

배경 (Phase 15 직후)

Phase 15 (PR #72 머지) 에서 edge prune (dynamic shrink) 도입 — paradigm 의 진짜 dynamic phase 첫 단계. 검증 결과:

30% prune almost-free (+0.041 loss), 70% 도 catastrophic cliff 없음 (+0.134)
post-prune recovery curve 가 gradient resurrection 방지 메커니즘의 정확성을 학습 dynamics 차원에서 입증

Phase 15 의 graceful capacity scaling 가능성 → Phase 16 의 두 갈래 시도:

Sub-Phase	메커니즘	핵심 가설
16a (RigL/SET DST)	iterative prune + regrow, constant sparsity 유지	30% almost-free 구간이 topology 재할당 으로 50%+ 까지 확장 가능?
16b (Net2Net grow)	pruned slot 에 function-preserving 신규 edge 추가 (또는 shape 확장)	학습 중 capacity 동적 확장 가능? Phase 15 prune 의 반대 방향.

두 갈래 모두 paradigm 의 dynamic phase 의 다른 차원:

[FEATURE] neuron Phase 16a — RigL/SET-style edge regrow (constant sparsity DST) #76 (예정) — Phase 16a: RigL/SET-style edge regrow
[FEATURE] neuron Phase 16b — Net2Net-style function-preserving grow (FFN expansion) #77 (예정) — Phase 16b: Net2Net-style function-preserving grow

각 sub-issue 가 별도 PR 로 진행. 본 메인 이슈는 두 sub-issue 모두 close 될 때 함께 close.