BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//pretalx//pretalx.coscup.org//coscup-2026//talk//GC99EF
BEGIN:VTIMEZONE
TZID:CST
BEGIN:STANDARD
DTSTART:20000101T000000
RRULE:FREQ=YEARLY;BYMONTH=1
TZNAME:CST
TZOFFSETFROM:+0800
TZOFFSETTO:+0800
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:pretalx-coscup-2026-GC99EF@pretalx.coscup.org
DTSTART;TZID=CST:20260808T120000
DTEND;TZID=CST:20260808T123000
DESCRIPTION:高精度矩陣乘法 (GEMM) 在科學與 AI 運算中是核心
 算子。然而，消費級 GPU (如 RTX 40 系列) 的 FP64 雙精度算
 力受硬體限制，成為許多開發者與量化交易的效能瓶頸
 。\n\n本議程將分享開源專案 AdaptiveGEMM：探討如何利用實
 作 Ozaki Scheme 將高精度運算降維拆解。我們將深入底層，
 利用 CUDA PTX 與 mma.sync 指令極限壓榨 INT8 Tensor Core，解決 
 Shared Memory Bank Conflict，成功在 RTX 4060 上大幅提升效能，
 達到逼近 A100 等級的 FLOPS 表現。\n\n【難易度：進階】適
 合尋求突破硬體極限的 HPC 與 AI 底層架構工程師。\n【先
 備知識】建議具備基礎 C++ 能力，了解 GEMM 運作原理，並
 對 GPU 記憶體架構與 Tensor Core 有初步認識。
DTSTAMP:20260713T142435Z
LOCATION:TR212
SUMMARY:突破 FP64 限制：AdaptiveGEMM 透過 INT8 Tensor Core 在消費
 級 GPU 逼近 A100 效能 - Tsai\,Ming-Han
URL:https://pretalx.coscup.org/coscup-2026/talk/GC99EF/
END:VEVENT
END:VCALENDAR