[论文解读] Advancing RT Core-Accelerated Fixed-Radius Nearest Neighbor Search

Enzo Meneses, Hugo Bec+6 more|arXiv (Cornell University)|Jan 22, 2026

Parallel Computing and Optimization Techniques被引用 0

一句话总结

本文在 RT 核上提升 FRNN 的搜索效率，改进点包括：(i) 实时 BVH 重建/更新比的优化，(ii) 无邻居表的 RT 核变体，以及 (iii) 光线追踪的周期性边界条件，在各分布和半径设置下带来显著的加速与能效提升。

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.

研究动机与目标

• 解决动态粒子模拟中 RT-core FRNN 的性能与能效瓶颈。
• 开发实时 BVH 重建/更新策略以适应动态变化。
• 通过基于 RT-core 的 FRNN 变体实现无邻居表的力计算。
• 使用光线追踪的周期性边界条件，在不增加额外内核或重复几何体的情况下实现准确边界条件。

提出的方法

• 引入 gradient，一种针对 BVH 重建/更新比的自适应优化，基于派生成本模型和实时测量。
• 提出 ORCS-persé 与 ORCS-forces 变体，在 OptiX RT core 流程中实现无邻居表的 FRNN。
• 开发光线追踪的周期性边界条件技术，通过 gamma 射线处理跨边界的邻居而无需额外几何体。
• 以固定半径与可变半径分布对 LJ 相互作用建模，在多样分布下评估性能。
• 在 wall 与 periodic BCs 下，与 CPU/GPU 单元列表基线和 RT-core 参考对比，n 取 up to 1M。
• 评估跨 GPU 代的能效与尺度化。

实验结果

研究问题

• RQ1 一个自适应 BVH 更新/重建策略（gradient）是否能在动态仿真中最大化 RT-core 的 FRNN 性能？
• RQ2 在 RT cores 内完全无邻居表是否可行，且对均匀与可变半径分布均有效？
• RQ3 在 RT-core FRNN 中如何在不额外内核或重复域的情况下高效支持周期性边界条件？
• RQ4 在不同粒子/半径分布和边界条件下，所提 RT-core 变体的性能与能效权衡如何？

主要发现

• gradient 能适应仿真动态，在多种分布中相较于固定更新方案，提供高达 ~3.4x 的 RT-core 性能提升。
• ORCS-persé 对常数半径实现接近 RT-core 的单核仿真，显著提速，特别在半径较小的情形下。
• ORCS-forces 扩展到可变半径，在对数正态半径分布下可超越 RT-core 与 CPU 基线，在大 n 情况下提供强劲加速。
• RT-core 变体在多种配置下对 RT-REF 提供显著加速，但在某些大半径情形中，内存限制可能使 CPU/GPU 的单元列表方法具备竞争力。
• 光线追踪的周期性边界条件有效处理跨边界相互作用，且对性能无显著惩罚。
• 性能与能效在不同 GPU 世代之间呈现可伸缩性，凸显 RT-core 方法作为未来硬件的可行性。