光线追踪核心的案例研究：通过广度优先搜索和图中的三角形计数方法洞察性能

《Proceedings of the ACM on Measurement and Analysis of Computing Systems》：A Case Study for Ray Tracing Cores: Performance Insights with Breadth-First Search and Triangle Counting in Graphs

光追核心执行图算法的效率分析：研究将广度优先搜索和三角形计数转换为光追计算中的包围体层次构建与光线生成，对比CUDA实现发现特定场景下性能提升，但整体效率受硬件执行管线和构建开销影响，提出硬件适配规则。

　　

摘要

近期，研究人员将GPU上新兴的光线追踪核心重新用于非光线追踪任务。在本文中，我们探讨了在光线追踪核心上执行图算法的优势和有效性。我们以广度优先搜索和三角形计数为例，重新设计了这些图算法在新型硬件上的实现方式。我们的实现重点在于如何将图操作转换为边界体积层次结构（BVH）的构建和光线生成，这两种计算范式是光线追踪特有的。我们在各种真实世界的数据集上评估了基于光线追踪核心的方法。结果表明，这些方法并未展现出相较于基于CUDA的方法的优势。我们将实验扩展到合成数据集上的集合交集计算任务，发现当数据集的偏斜率较高时，基于光线追踪核心的方法表现更为出色。通过仔细比较基于光线追踪核心和基于CUDA的二分搜索算法，我们发现光线追踪核心在搜索元素方面更为高效，但这种高效性伴随着执行流程中的固定且不可忽视的开销。此外，对于大型数据集而言，构建BVH的开销明显高于在CUDA核心上进行排序的开销。我们的案例研究揭示了几条将图算法适配到光线追踪核心的规则，这些规则可能有助于未来这种新兴硬件向通用计算任务的演进。