acoustics-gpu 1.0.3

GPU-ускоренное моделирование акустики помещений: Ray Tracing + Image Source

AcousticsGPU: GPU-ускоренное моделирование акустики помещений

AcousticsGPU — это библиотека для высокопроизводительного моделирования распространения звука в помещениях с использованием GPU-ускорения на базе PyTorch. Поддерживает два метода: трассировку лучей (Ray Tracing) и метод зеркальных источников (Image Source), а также учитывает частотные характеристики материалов.

---

Основные возможности

Возможность	Описание
GPU-ускорение	Ускорение в 10–100+ раз по сравнению с CPU за счёт использования PyTorch и CUDA
10 частотных полос	Октавные полосы от 31.5 Гц до 16 кГц (31.5, 63, 125, 250, 500, 1000, 2000, 4000, 8000, 16000 Гц)
8+ реальных материалов	Коэффициенты поглощения из таблицы компании Фронт Акустик
Два метода моделирования	Ray Tracing — для поздней реверберации, Image Source — для точных ранних отражений
Визуализация	Энергетические карты для каждой частоты, частотные характеристики в точках микрофонов, гистограммы распределения энергии

---

Установка

Стандартная установка

pip install acoustics-gpu

Установка зависимостей

pip install torch numpy matplotlib scipy

Системные требования

Для работы с GPU ускорением: видеокарта с поддержкой CUDA

Необходимые библиотеки

Для работы с AcousticsGPU необходимы следующие зависимости:

Библиотека	Версия	Назначение
PyTorch	≥ 2.0.0	GPU-вычисления, тензорные операции
NumPy	≥ 1.24.0	Численные расчёты
Matplotlib	≥ 3.7.0	Визуализация (энергетические карты, графики)
SciPy	≥ 1.10.0	Аппроксимация и дополнительные вычисления

Результаты производительности

Тестирование на конфигурации: Intel Xeon E3-1230 (4 ядра, 8 потоков) vs NVIDIA GTX 1080 (8 GB).

Метод	CPU (с)	GPU (с)	Ускорение
Ray Tracing (1000 лучей)	12.51	0.85	14.7×
Ray Tracing (10000 лучей)	117.53	0.90	130.6×
Ray Tracing (100000 лучей)	1368.85	2.15	636.7×
Image Source (порядок 50)	14.01	8.965	1.56×

Ссылки

Таблица коэффициентов звукопоглощения

Репозиторий проекта

---

Проект в стадии разработки