文章内容源自《GPU编程与CG语言之阳春白雪下里巴人》，因笔者读书易中途放弃，遂每读一章节，将其移至简书平台，以此作为对自己读书的勉励。笔者用粗体、斜体 标注了关键词句，望感兴趣的读者们一起学习共勉。猛戳这里查看更多！
1.3 国内外研究现状
基于 GPU 的科学可视化计算（Visualization in Scientific Computing），在研究和工程运用上都取得了卓越的成果。由于科学可视化计算处理的数据量极大 （人体 CT、地质勘探、气象数据、流体力学等），仅仅基于 CPU 进行计算完全不能满足实时性要求，而在 GPU 上进行计算则可以在效率上达到质的突破，许多在 CPU 上非常耗时的算法，如体绘制中的光线投射算法，都可以成功移植到 GPU 上，所以基于 GPU 的科学可视化研究目前已经成为主流。
近年来，基于GPU进行通用计算的研究逐渐成为热点，被称之为GPGPU （General-Purpose Computing on Graphics Processing Units,也被称为GPGP，或 2GP ），很多数值计算等通用算法都已经在GPU上得到了实现，并有不俗的性能表现，目前，线性代数（linear algebra） 【kruger and westermann 2003】，物理仿真 （physical simulation） 【Harris et al. 2003】和光线跟踪算法（ray tracer） 【Purcell et al.2002； Carr et al. 2002】都已经成功的移植到GPU上。在国内，中国科学院计算技术研究所进行了基于GPU的串匹配算法的实现【29】。关于GPGPU的更多知 识点可以参阅网站http://gpgpu.org/。
旨在降低 GPU 编程难度，设计基于 GPU 的高级程序语言的研究同样进行的如火如荼。2004 年，斯坦福大学研究的 BROOKGPU 项目设计了一个实时的编译器，编程人员不需掌握图形学知识，只需掌握与 C 语言类似的流处理语言 BROOK，即可进行基于 GPU 的通用编程开发。目前 BROOKGPU 已经在 AMD 公司进行深入研发。国内浙江大学计算机学院针对高级着色语言的编译系统 【30】，以及可编程图形硬件的加速等技术进行了研究。
网友评论