Singe: Leveraging Warp Specialization for High Performance on GPUs（用 Warp 特化实现 GPU 高性能的 DSL 编译器）
PPoPP'14 论文，来自 CudaDMA 同一作者团队（Bauer/Treichler/Aiken, Stanford）。提出 Singe——一个面向燃烧化学（combustion chemistry）的 DSL 编译器，用 warp 特化（warp specialization）作为替代数据并行的编程模型，把一个 CTA 内的 warp 划分为不同子计算，通过硬件生产者-消费者命名屏障（named barriers, PTX bar.arrive/bar.sync）细粒度同步。核心解决燃烧 kernel 的三大难题：超大工作集（每点数百个双精度变量）、不规则计算（多阶段、部分可并行）、不规则访存。Singe 用 warp 特化把大工作集拆分到不同 warp 的片上寄存器/shared memory，避免寄存器溢出。三类 kernel 案例：Viscosity（按物种求和分块，Store 模式）、Diffusion（对 dij 矩阵按列分块，Mixed 模式）、Chemistry（反应速率存寄存器经 shared 交换，Buffer 模式 + QSSA DAG 分块 overlap）。编译器四阶段：分块→映射（FLOPS/寄存器/局部性三指标）→命名屏障放置调度（无死锁定理，16 个命名屏障=SSA 寄存器分配）→代码生成。代码生成三关键技术避免指令 cache 抖动：代码 overlay（同时遍历 AST 森林 + 位掩码/间接分支）、常量去重（Fermi shared 广播 / Kepler shuffle）、warp 索引（不规则访存）。在 Fermi C2070 与 Kepler K20c 上对 DME/Heptane 机制，相比已高度优化的数据并行 baseline 最高加速 3.75×。