Michael Moroz, bir yıldan uzun süredir üzerinde çalıştığı TensorFrost adlı kütüphanesinin araştırma ve geliştirme sonuçlarını paylaşıyor. TensorFrost, statik optimize edici bir tensor derleyici olup, özellikle "shader benzeri" işlemleri yapabilme yeteneğini korurken, aynı zamanda Numpy benzeri sözdizimiyle yüksek seviyeli lineer cebir ve otomatik farklılaştırma desteği sunarak makine öğrenimi (ML) için de kullanılabilirlik sağlıyor. Projenin başlangıçta Unity için basit matris işlemleriyle sınırlı kalması beklenirken, geliştiricinin eklemek istediği özellikler zamanla kapsamı genişleterek tam teşekküllü bir derleyiciye dönüştürmüş.
Moroz, beş yıl önce OpenCL kullanarak benzer bir tensor kütüphanesi denemesi yaptığını ancak o zamanki deneyimsizliği, hata ayıklama araçlarının eksikliği ve performans sorunları nedeniyle başarısız olduğunu belirtiyor. Özellikle simülasyon ve grafik projelerinde, her işlem için ayrı bir kernel çalıştırmanın getirdiği yüksek ek yükün, kütüphaneyi kullanışsız hale getirdiğini fark etmiş. Bu deneyimlerden yola çıkarak, TensorFrost'u Shadertoy gibi platformlarda yaptığı projelerle uyumlu hale getirmeyi hedeflemiş. Tensor kütüphanesinin shader yazmaya eşdeğer bir şey için neden gerekli olduğu garip görünse de, birçok simülasyon ve render algoritmasının yüksek seviyeli "tensor benzeri" işlemlere iyi bir şekilde eşlenebildiğini vurguluyor. Mevcut shader yazım yaklaşımlarının büyük veya karmaşık projelerde hızlı iterasyon yapmayı zorlaştırdığını, oysa TensorFrost'un bu tür kısıtlamaları aşarak daha verimli bir geliştirme süreci sunmayı amaçladığını ifade ediyor.
TensorFrost, makine öğrenimi ve grafik simülasyonları için yüksek performanslı, optimize edici bir tensor derleyici sunarak geliştiricilere hem shader benzeri esneklik hem de yüksek seviyeli lineer cebir yetenekleri sağlıyor.