Статья представляет собой обзор методов автоматизации проектирования игровых графических процессоров (GPU) с акцентом на оптимизацию архитектуры для поддержки технологий ray tracing (трассировка лучей) и AI-ускорения. Уникальность работы заключается в анализе методов оптимизации архитектуры, которые позволяют повысить производительность GPU в задачах рендеринга и AI-вычислений, а также сократить время разработки новых процессоров.
графические процессоры, AI-ускорение, Ray tracing, автоматизация проектирования, машинное обучение
1. Асадов, Х. Г. Моделирование температурного поля при лесных пожарах / Х. Г. Асадов, Г. З. Байрамов // Моделирование систем и процессов. – 2024. – Т. 17, № 4. – С. 7-15. – DOIhttps://doi.org/10.12737/2219-0767-2024-17-4-7-15. – EDN ECSUWP.
2. Юрчишина, М. В. Алгоритмическая модель СППР «Оптимальный учебный план» / М. В. Юрчишина, К. И. Бушмелева // Моделирование систем и процессов. – 2024. – Т. 17, № 4. – С. 84-95. – DOIhttps://doi.org/10.12737/2219-0767-2024-17-4-84-95. – EDN OJFBGD.
3. Парамонов, А. А. Исследование структуры тропического циклона на основе анализа данных спутникового видеоряда с применением метода почти периодического анализа / А. А. Парамонов, А. В. Калач, А. С. Кравченко // Моделирование систем и процессов. – 2024. – Т. 17, № 4. – С. 67-76. – DOIhttps://doi.org/10.12737/2219-0767-2024-17-4-67-76. – EDN BOGSTY.
4. Алтемирова, Х. С. Искусственный интеллект и возможности его применения в разных сферах жизни / Х. С. Алтемирова. — Текст: непосредственный // Молодой ученый. — 2023. — № 48 (495). — С. 5-7. — URL: https://moluch.ru/archive/495/108341/ (дата обращения: 09.02.2025). EDN: https://elibrary.ru/MUFLZX
5. Лазарева, О. Ю. Основные этапы создания видеоигр / О. Ю. Лазарева, А. В. Санина. — Текст: непосредственный // Молодой ученый. — 2019. — № 4 (242). — С. 12-14. — URL: https://moluch.ru/archive/242/55992/ (дата обращения: 09.02.2025). EDN: https://elibrary.ru/YVOKYP
6. Порошин, И. Е. Применение графических процессоров с технологией CUDA в высокопроизводительных системах с искусственными нейронными сетями / И. Е. Порошин, М. А. Титов. — Текст: непосредственный // Молодой ученый. — 2020. — № 25 (315). — С. 123-125. — URL: https://moluch.ru/archive/315/71907/ (дата обращения: 09.02.2025). EDN: https://elibrary.ru/RSNRHY
7. Алгоритм диагностики утечек целевого продукта в условиях неопределенности для гидравлической системы / С. А. Сазонова, А. Н. Кошель, И. Н. Пантелеев [и др.] // Моделирование систем и процессов. – 2024. – Т. 17, № 2. – С. 71-82. – DOIhttps://doi.org/10.12737/2219-0767-2024-17-2-71-82. – EDN HDRQPC.
