Olajide Badejo

Ausgewählte Projekte

• CUDA-Kernel-Library

  Eine GEMM-Staffel von einem naiven Kernel mit 1.908 GFLOP/s bis zu 54.985 GFLOP/s mit mma.sync, ldmatrix und geswizzeltem Shared Memory, also 90 % von cuBLAS in FP16 auf derselben GPU, bei 83 % des Speed-of-Light-Limits der Tensor-Pipe. Jede Stufe ist ein eigener Kernel, dessen Profiler-Lauf mit eingecheckt ist.

• MLIR-Backend-for-a-Simulated-Edge-NPU

  Ein Deep-Learning-Compiler-Backend, das ONNX über eigene MLIR-Dialekte in einen binären Befehlsstrom für eine simulierte NPU übersetzt. Bei LeNet senkt -O2 die Instruktionszahl von 91 auf 70, die simulierten Zyklen von 23.421 auf 12.710 und den DRAM-Traffic von 339 KB auf 177 KB; die Ausgabe stimmt bis auf 3e-8 mit onnxruntime überein.

• Parallel-Numerical-Library

  Eine C++23-Bibliothek, deren iterative Löser unverändert auf seriellen, OpenMP-, Thread-, MPI- und CUDA-Backends laufen und dabei bitidentische Ergebnisse liefern. Gemessen an der jeweils eigenen STREAM-Bandbreite des Geräts, 62,3 GiB/s auf der CPU und 549,7 GiB/s auf der GPU, erreicht Red-Black-Gauß-Seidel 45,7 % beziehungsweise 47,1 %. 440 Konfigurationen, in 23 Minuten vollständig reproduzierbar.

• Particle-Physics-Simulation

  Eine CUDA-Engine für N-Body-Gravitation und SPH-Fluide mit 17,47 TFLOP/s in FP32, wobei Shared-Memory-Tiling bei 200.000 Partikeln 1,93x schneller ist als der naive Kernel. Die Korrektheit sichern zehn Tests ab, darunter eine Energiedrift von 1,33e-05 über 10.000 Schritte.

• Ring-AllReduce

  Ein Ring-Allreduce, allein aus MPI-Punkt-zu-Punkt-Primitiven aufgebaut und anschließend an das Alpha-Beta-Kostenmodell angepasst: 0,250 us pro Nachricht, 305,4 ps pro Byte, R-Quadrat 0,981 über 375 Punkte. Die Dokumentation benennt ausdrücklich, wo das Verfahren gegen das Hersteller-Collective verliert und warum.

• Low-Power-Async-CDC-FIFO-IP

  Ein parametrierbarer asynchroner FIFO für Clock-Domain-Crossing in SystemVerilog, mit Gray-Code-Zeigern und Low-Power-Intent, in SymbiYosys beschränkt bewiesen und über 60 Konfigurationen hinweg auf Fläche, Leistung und Timing vermessen.

Weitere Repositories, darunter ein Out-of-Tree-LLVM-Pass-Framework, CPU-Mikrobenchmarks, GPU-Roofline-Profiling, MPI-Collective-Benchmarks und Werkzeuge für ML-Experimente, finden sich auf meinem GitHub-Profil.