Extensão da GSParLib para Suporte a GPUs NVIDIA, AMD e Intel

• Gabriell Araujo PUCRS
• Gabriel Rustick Fim PUCRS
• Dalvan Griebler PUCRS
• Luiz G. Fernandes PUCRS

DOI: https://doi.org/10.5753/eradrs.2026.21495

Resumo

A programação portável para GPUs de diferentes fabricantes ainda é um desafio em computação de alto desempenho, devido à predominância de código legado em CUDA e às limitações práticas do OpenCL. Este trabalho apresenta uma extensão da GSParLib, originalmente projetada para GPUs NVIDIA, para suportar também GPUs AMD e Intel. Resultados preliminares com benchmarks da suíte NAS Parallel Benchmarks mostram que a GSParLib alcança desempenho similar ou superior ao OpenCL na maioria dos casos, além de maior robustez. Esses resultados indicam que a GSParLib é uma alternativa promissora para programação portável e eficiente em ambientes heterogêneos.

Referências

Araujo, G., Griebler, D., and Fernandes, L. G. (2025). Performance, Portability, and Productivity of HIP on GPUs with NAS Parallel Benchmarks. In 2025 IEEE/SBC 37th International Symposium on Computer Architecture and High Performance Computing (SBAC-PAD), pages 204–214.

Löff, J., Griebler, D., Mencagli, G., Araujo, G., Torquati, M., Danelutto, M., and Fernandes, L. G. (2021). The NAS parallel benchmarks for evaluating C++ parallel programming frameworks on shared-memory architectures. Future Generation Computer Systems, 125:743–757.

Rockenbach, D. A., Araujo, G., Griebler, D., and Fernandes, L. G. (2025). GSParLib: A multi-level programming interface unifying OpenCL and CUDA for expressing stream and data parallelism. Computer Standards & Interfaces, 92:103922.