En prestandajämförelse av ray tracing-algoritmen implementerad på både CPU och GPU

Ray tracing has gained recent popularity due to the advancement of computer hardware capabilities. The algorithm is used as a rendering technique for computer graphics by tracing rays of light to determine the color of a single pixel, thus simulating the physical behavior of light. This study explores the performance differences between the ray tracing algorithm on the CPU and the GPU processor units. By using CUDA, NVIDIA’s platform for parallel programming, general-purpose programming could be utilized on the GPU and C++ for the CPU counterpart. By rendering different numbers of spheres in varying resolutions, the performance difference could be measured on the two devices and put against each other. From the data gathered, we could conclude that the GPU, in most measurements, could finish its execution up to 1000–10000 times quicker than the CPU. However, there were instances, in lower resolutions, where the CPU would outperform the GPU. The performance on the GPU would in these lower resolutions be more unpredictable due to memory latency. The results of this study highlight the performance capabilities of the GPU, but also certain use cases on the CPU for lower pixel counts.Ray tracing har på senare tid ökat i popularitet på grund av utvecklingen av datorhårdvara. Algoritmen används som en renderingsteknik för datorgrafik genom att spåra ljusstrålar för att korrekt färga enskilda pixlar, och på så sätt simulera hur ljus rör sig i verkligheten. Denna studie undersöker prestandaskillnaderna för ray tracing-algoritmen på CPU- och GPU-processorenheterna. Genom att nyttja CUDA, NVIDIA:s plattform för parallellprogrammering, kunde programmering nyttjas på GPU:n, och C++ på CPU:n. Genom att rendera en uppsättning sfärer i varierande upplösningar kunde prestandaskillnader mätas på de två enheterna och därefter jämföras. Från den insamlade datan kunde slutsatsen dras att GPU:n, i de flesta mätningarna, avslutade sin exekvering upp till 1000–10000 gånger snabbare än CPU:n. Det förekom dock fall, vid lägre upplösningar, där CPU:n kunde prestera bättre än GPU:n på grund av latens i minneshantering. Resultaten av denna studie understryker potentialen hos GPU:n, men också vissa specifika användningsområden för CPU:n