[논문 리뷰] Advancing RT Core-Accelerated Fixed-Radius Nearest Neighbor Search

Enzo Meneses, Hugo Bec외 6명|arXiv (Cornell University)|2026. 01. 22.

Parallel Computing and Optimization Techniques인용 수 0

한 줄 요약

본 논문은 RT 코어에서 FRNN 검색을 (i) 실시간 BVH 업데이트/재구성 비율 최적화, (ii) 이웃 리스트-없음 RT 코어 변형, (iii) 레이 트레이싱 기반의 주기적 경계 조건으로 향상시켜, 분포와 반경에 걸쳐 상당한 속도 향상과 에너지 효율을 달성한다.

ABSTRACT

In this work we introduce three ideas that can further improve particle FRNN physics simulations running on RT Cores; i) a real-time update/rebuild ratio optimizer for the bounding volume hierarchy (BVH) structure, ii) a new RT core use, with two variants, that eliminates the need of a neighbor list and iii) a technique that enables RT cores for FRNN with periodic boundary conditions (BC). Experimental evaluation using the Lennard-Jones FRNN interaction model as a case study shows that the proposed update/rebuild ratio optimizer is capable of adapting to the different dynamics that emerge during a simulation, leading to a RT core pipeline up to $\sim 3.4 imes$ faster than with other known approaches to manage the BVH. In terms of simulation step performance, the proposed variants can significantly improve the speedup and energy efficiency (EE) of the base RT core idea; from $\sim1.3 imes$ at small radius to $\sim2.0 imes$ for log normal radius distributions. Furthermore, the proposed variants manage to simulate cases that would otherwise not fit in memory because of the use of neighbor lists, such as clusters of particles with log normal radius distribution. The proposed RT Core technique to support periodic BC is indeed effective as it does not introduce any significant penalty in performance. In terms of scaling, the proposed methods scale both their performance and EE across GPU generations. Throughout the experimental evaluation, we also identify the simulation cases were regular GPU computation should still be preferred, contributing to the understanding of the strengths and limitations of RT cores.

연구 동기 및 목표

• RT 코어 FRNN의 동적 입자 시뮬레이션에서 성능 및 에너지 효율 한계를 해결한다.
• 변동하는 dynamics에 적응하기 위한 실시간 BVH 재구성/재빌드 정책을 개발한다.
• 포스를 직접 계산하는 RT 코어 기반 FRNN 변형을 통해 이웃 리스트의 필요성을 제거한다.
• 추가 커널이나 중복 기하학 없이 레이 트레이싱을 사용하여 정확한 주기적 경계 조건을 가능하게 한다.

제안 방법

• 유도된 비용 모델과 실시간 측정을 사용한 BVH 재구성/업데이트 비율의 적응적 최적화인 gradient를 도입한다.
• ORCS-persé 및 ORCS-forces 변형을 제안하여 OptiX RT 코어 파이프라인 내에서 이웃 리스트 없이 FRNN을 수행한다.
• 추가 기하학 없이 감마선을 통해 경계 간 이웃을 처리하는 레이 트레이싱 주기적 경계 조건 기술을 개발한다.
• 다양한 분포에서의 성능 평가를 위해 고정 반경과 가변 반경 분포로 LJ 상호작용을 모델링한다.
• n이 1M까지인 경우 CPU/GPU 셀-리스트 기준 및 RT-코어 레퍼런스와 벽 및 주기 BC에서 비교한다.
• GPU 세대에 걸친 에너지 효율 및 스케일링을 평가한다.

실험 결과

연구 질문

• RQ1 적응형 BVH 업데이트/재빌드 전략(gradient)이 동적 시뮬레이션에서 RT-코어 FRNN 성능을 극대화할 수 있는가?
• RQ2 친화 리스트 없이 RT 코어 내에서 FRNN을 완전히 수행하는 것이 가능하며, 균일 및 가변 반경 분포 모두에 대해 실현 가능한가?
• RQ3 추가 커널이나 중복된 도메인 없이 RT-코어 FRNN에서 주기적 경계 조건을 효율적으로 지원하는 방법은 무엇인가?
• RQ4 다양한 입자/반경 분포 및 경계 조건에서 제안된 RT-코어 변형의 성능 및 에너지 효율 트레이드오프는 무엇인가?

주요 결과

• Gradient는 시뮬레이션 dynamics에 적응하며, 고정 업데이트 방식보다 여러 분포에서 최대 약 3.4x 빠른 RT-코어 성능을 제공한다.
• ORCS-persé는 일정 반경에 대해 RT-코어-전용 시뮬레이션에 근접한 성능을 달성하며, 특히 작은 반경에서 상당한 속도향상을 제공한다.
• ORCS-forces는 가변 반경으로 확장되며 대수로그 수준의 반경 시나리오에서 RT-코어 및 CPU 기준선을 능가할 수 있고, 대규모 n에서 강력한 속도향상을 보인다.
• RT-코어 변형은 많은 구성에서 RT-REF보다 상당한 속도향상을 제공하지만, 메모리 제약으로 인해 일부 대반경 경우에는 CPU/GPU 셀-리스트 접근이 경쟁력을 가질 수 있다.
• 레이 트레이스 기반 주기적 경계 조건은 교차 경계 상호 작용을 효과적으로 처리하며 성능 저하를 크게 일으키지 않는다.
• 성능 및 에너지 효율은 GPU 세대에 걸쳐 스케일링되며, RT-코어 접근 방식이 향후 하드웨어에 적합한 것으로 강조된다.