GPU 加速 Gabriel 图构建论文发布

Diego Sanches Nere dos Santos 等人在 arXiv 发布论文，提出基于 CUDA 的 GPU 并行化策略来加速 Gabriel 图构建，使其可扩展到大规模数据。论文称该实现相比顺序 CPU 基线将构建时间缩短两到近四个数量级（最高 8484 倍），且分类精度无损失。 方法包括线程索引到顶点对的隐式闭式映射、基于 bitmask 的两遍原子压缩边表构建，以及线程粗化策略，并展示了在大间隔分类与图聚类中的应用。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。