Při urychlování běhu aplikací jsou výkonově kritické části kódu často implementovány jako paralelní kernely (např. v OpenCL či CUDA), které dokáží běžet na akcelerátorech, popř. i konvenčním CPU. Implementace vysoce optimalizovaných kernelů je velmi náročná: programátor musí identifikovat, které aspekty kódu ovlivňují jeho efektivitu, implementovat různé varianty kódu a experimentovat s jejich kombinacemi. Pro testování různých kombinací variant kódu slouží nástroje pro autotuning, jako je Kernel Tuning Tool (KTT), vyvýjený na Ústavu výpočetní techniky. I s využitím autotuningu je však stále kritické dokázat identifikovat, které vlastnosti kódu by měl nástroj pro autotuning měnit.

Práce se zaměřuje na nasazení autotuningu na vybraných OpenCL kernelech, demonstraci jejich výkonu na rozdílném hardware a analýzu vlivu jednotlivých tunících parametrů na výkon kernelů. Student využije nástroj KTT pro automatický tuning tří OpenCL kernelů vybraných z benchmarku PolyBench (alternativně lze vybírat také z benchmarků Parboil, Rodinia či SHOC). Všechny vybrané kernely musí provádět výpočty nad hustými datovými strukturami (jako vektory či matice) s dobrou prostorovou lokalitou (výkon kernelů bude tudíž omezen propustností paměti či aritmetickým výkonem, nikoliv však latencí paměťového subsystému GPU).

U vybraných kernelů student nejprve analyzuje prostor možných optimalizací s ohledem na běh na GPU a CPU (či od nich odvozených Intel MIC), následně implementuje verzi kernelů pro autotuning a vyhodnotí jejich běh na několika architekturách GPU a alespoň jedné architektuře CPU. V rámci vyhodnocení student změří zrychlení oproti originálnímu kódu, přenositelnost výkonu (výkon na jiném hardware, než pro který byl kernel optimalizován) a analyzuje, které parametry mají nejvyšší vliv na výkon implementací na testovaných architekturách.