面向科学计算程序浮点优化的验证化编译

Xueyi Wang; C. J. C.; Lamoth; Elisabeth Wilhelm

面向科学计算程序浮点优化的验证化编译

信号处理 2025-09-12 v1 人工智能机器学习

作者: Xueyi Wang , C. J. C. , Lamoth , Elisabeth Wilhelm

摘要

科学计算程序常进行激进的编译器优化以实现高性能和高效资源利用。虽然性能至关重要，但我们也需要确保这些优化是正确的。本文聚焦于一类特定优化，即浮点优化，尤其是由于快速数学 (fast math) 导致的优化，针对 LLVM IR 层面。我们提出了初步工作，利用 Rocq 证明器中的 Verified LLVM 框架，证明了 Fused-Multiply-Add (FMA) 优化对于实现表达式 $a * b + c$ 的基本块的正确性。随后，我们提出了通过增加更多程序特征和快速数学浮点优化来扩展这些初步结果的方法。

关键词

浮点优化验证化编译 LLVM FMA 定理证明

引用

@article{arxiv.2509.09018,
  title  = {Personalized Sleep Prediction via Deep Adaptive Spatiotemporal Modeling and Sparse Data},
  author = {Xueyi Wang and C. J. C. and Lamoth and Elisabeth Wilhelm},
  journal= {arXiv preprint arXiv:2509.09018},
  year   = {2025}
}

备注

The paper has been acceptted and presented in the 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society

面向科学计算程序浮点优化的验证化编译

摘要

关键词

引用

备注

相关论文