Generación de Código para GPU vía MLIR para una Startup AR/VR
Visión general
De qué trata este proyecto.
Define un dialect MLIR con 6 operaciones de alto nivel adecuadas para shaders. Implementa los lowerings sucesivos: ShaderOps → arith + gpu → nvvm → PTX. Compila los 3 kernels (tone mapping, DoF, motion blur) y ejecuta en una GPU NVIDIA proporcionada (Tesla T4 cloud o RTX 3060 local). Demuestra paridad de output frente al CUDA hand-written (tolerancia perceptual SSIM > 0.99). Reporta throughput frente a la versión hand-written. Entrega dialect, pasadas, suite y memoria.
El Briefing
Lo que harás y lo que demostrarás.
Construir un dialect MLIR con lowering completo hasta PTX y demostrar paridad de output + throughput competitivo frente a CUDA hand-written en 3 kernels AR/VR.
Earning criteria — what you'll demonstrate
- Diseñar un dialect MLIR mínimo siguiendo las convenciones del proyecto
- Implementar conversiones entre dialects con DialectConversion + PatternRewriter
- Generar PTX vía el pipeline nvvm de MLIR y ejecutarlo desde el runtime CUDA
- Medir throughput de GPU con metodología honesta (warmup, batch sizes, occupancy)
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosArquitecto de Sistemas
Construir un dialect MLIR completo con lowering a GPU es trabajo de arquitectura de sistemas de cómputo — credencial directa para arquitecto en startups de chips, ML compilers o engines AR/VR.
Este proyecto afina
- mlir
- compiler-backend
- code-generation
Ingeniero de Software
MLIR + CUDA es uno de los stacks técnicos más exigentes del momento — un ingeniero de software con experiencia real aquí tiene perfil escaso en el mercado.
Este proyecto afina
- mlir
- gpu-codegen
- cuda
Ingeniero Backend
Quien ha optimizado kernels GPU con métricas duras se traslada a roles backend de baja latencia con ventaja — entiende el coste real de cada nivel de abstracción.
Este proyecto afina
- gpu-codegen
- cuda
- cpp