Réponses:
Bonne question. Bien que http://gpgpu.org soit une bonne ressource, elle est assez générale (le premier G signifie Général, après tout). En y recherchant un SIG, je ne reçois qu'un seul hit de 2004 , qui renvoie à un document qui est 404.
Manifold est le seul fournisseur à ma connaissance à tirer parti du GPU pour les SIG .
Huppe fascinée semble certainement intéressante, qui gère également CUDA.NET .
Une partie de la présentation DevSummit d'ESRI Applications Prototype Lab était sur le GPU pour SIG.
Le lien vidéo semble être falsifié, mais un long article de blog contient un bon résumé et une introduction à l'informatique GPU par rapport aux SIG.
De plus, Azavea (anciennement Avencia) a remporté quelques subventions NSF pour approfondir ce domaine, et ils ont une série de blogs qui semblent être régulièrement mis à jour (dernier article le 7 juillet)
J'utilise Manifold GIS depuis des années, et bien qu'il soit parfois une cible de dérision pour diverses raisons, le logiciel est assez impressionnant. La version actuelle (8.0.18 au moment de la rédaction) utilise CUDA pour accélérer les opérations de surface 100x ou plus. La version 9 tant attendue promet à la fois d'améliorer ce niveau d'accélération et d'élargir la portée de son impact. Il y a une webémission intéressante consultable sur le site Nvidia concernant ce que Manifold a fait et où ils vont ( ici ). Ils sont très à l'avant-garde de cette technologie, qu'elle soit appliquée au SIG ou non. Plus de points bonus: capacité native 64 bits et versions allant de 250 $ à moins de 1000 $
Même si tout ce que vous faites est un traitement matriciel, il se paie en quelques heures.
Il existe des travaux expérimentaux pour le portage de parties de GDAL pour utiliser le GPU, via OpenCL . Voir, pour les progrès, ce récent e-mail .
Le code source pourrait être instructif.
Un mot-clé de démarrage pour vous est GPGPU
. Vous pouvez accrocher un livre sur GLSL
ou HLSL
quelles sont les langues / plates-formes respectives pour OpenGL et DirectX. Vous pouvez utiliser des plateformes informatiques propriétaires comme Nvidia CUDA
ou AMD CTM
. Mais si vous voulez un soupçon de raison, vous voudrez peut-être consulter les normes OpenCL quelque peu nouvelles.