利用光线追踪核心加速区间最小值查询
分布式、并行与集群计算
2023-06-07 v1 计算几何
数据结构与算法
摘要
在过去十年中，GPU技术已从纯通用计算转向包含专用集成电路（ASIC），例如张量核心（Tensor Cores）和光线追踪（RT）核心。尽管这些专用GPU核心旨在进一步加速人工智能和实时渲染等特定领域，但近期研究已成功利用它们来加速通常使用常规GPU计算的其他任务。在本工作中，我们提出RTXRMQ，一种可利用RT核心计算区间最小值查询（RMQ）的新方法。主要贡献是提出一种RMQ的几何解法，其中数组元素变为三角形，其放置位置和形状分别依据元素在数组中的值和位置确定，使得从查询参数给定点发射的光线的最近命中对应于该查询的结果。实验结果表明，RTXRMQ目前最适用于相对于问题规模较小的查询范围，相比最先进的CPU（HRMQ）和GPU（LCA）方法分别实现了高达和的加速。尽管对于中型和大型查询范围，RTXRMQ目前不及LCA，但其仍具竞争力，比高度并行的CPU方法HRMQ快和。此外，跨最新RTX GPU架构的性能扩展实验表明，若当前RT扩展趋势持续，则RTXRMQ的性能扩展速率将高于HRMQ和LCA，使该方法在未来采用批量RMQ的高性能应用中更具意义。
引用
@article{arxiv.2306.03282,
title = {Accelerating Range Minimum Queries with Ray Tracing Cores},
author = {Enzo Meneses and Cristóbal A. Navarro and Héctor Ferrada and Felipe A. Quezada},
journal= {arXiv preprint arXiv:2306.03282},
year = {2023}
}
备注
17 Figures