Aritmetický výkon dnešních GPU výrazně převyšuje jejich paměťovou propustnost, díky čemuž je rychlost běhu mnoha kernelů omezena rychlostí globální paměti. Je-li spuštěna sekvence kernelů, které spolu sdílí část vstupů či výstupů, je často možné snížit množství dat přenášených z/do globální paměti pomocí fúze kernelů (sdílená data tak mohou být uložena v rychlejších lokálních pamětech). Problematika fúzí kernelů je již nějakou dobu na FI studována a vznikl zde experimentální překladač optimalizující CUDA kód za pomoci fúzí.

Úkolem bakalářské práce je analýza přesnosti predikce výkonu implementované v překladači a návrh úprav vedoucích ke zvýšení přesnosti predikce. Student upraví překladač tak, aby generoval kód ke každé zvažované implementaci fúzovaného kernelu a publikoval informace o jeho vlastnostech (redukce paralelismu, přepočty koordinát vláken, celkové množství spotřebovaných lokálních zdrojů, množství synchronizací aj.). Upraveným překladačem přeloží několik demonstračních příkladů a pomocí vhodného nástroje na analýzu závislosti dat zjistí, pro které vlastnosti fúzovaných kernelů (či jejich kombinace) roste odchylka predikovaného a skutečného výkonu. Na základě této analýzy student navrhne možná rozšíření metody predikce výkonu.