Pustaka matematika CUDA-X NVIDIA meningkatkan kemampuan pengembang untuk menciptakan aplikasi akselerasi yang berfokus pada AI dan komputasi ilmiah. Salah satu komponen pustaka ini, pustaka cuBLAS, menyediakan subrutin aljabar linear yang dioptimalkan untuk operasi matriks dan vektor yang efisien. Pembaruan terbaru cuBLAS dalam NVIDIA CUDA Toolkit 13.0 Update 2 memperkenalkan API baru dan peningkatan performa, terutama dalam perkalian matriks presisi ganda, dengan memanfaatkan emulasi floating-point pada Tensor Core dalam arsitektur GPU tertentu.

Pembaruan cuBLAS tidak hanya meningkatkan performa, tetapi juga menjaga akurasi, secara otomatis menentukan apakah akan menggunakan emulasi floating-point atau perangkat keras asli untuk hasil yang optimal. Peningkatan ini merupakan bagian dari strategi yang lebih luas untuk meningkatkan performa aplikasi di berbagai domain dan platform perangkat keras. Dengan menyediakan opsi emulasi presisi tunggal dan ganda bagi pengembang, pustaka cuBLAS menyediakan akses yang lancar ke performa Tensor Core.

Penerapan praktis pembaruan ini terlihat jelas di beberapa area. Misalnya, pustaka ecTrans, yang penting untuk prakiraan cuaca dan pemodelan iklim, menghasilkan peningkatan kecepatan yang signifikan untuk perhitungan perkalian matriks dengan menggunakan NVIDIA Tensor Cores untuk emulasi. Demikian pula, kode BerkeleyGW yang digunakan untuk mempelajari sifat material dan rangkaian Quantum Espresso untuk perhitungan ilmu material, keduanya menghasilkan peningkatan kinerja yang signifikan dengan menggunakan emulasi perkalian matriks presisi ganda.

NVIDIA terus menyempurnakan emulasi floating-point dan berencana memperluas penyempurnaan ini ke rutinitas lain dalam pustaka matematika CUDA-X. Pengembang yang ingin memanfaatkan kemajuan ini dapat mengunduh CUDA Toolkit 13.0 Update 2 untuk mengakses beragam sumber daya, termasuk dokumentasi dan contoh kode, untuk mengintegrasikan penyempurnaan ini ke dalam aplikasi mereka.