This thesis addresses the enhancement of the compiler for the Provet soft-SIMD architecture, necessitated by significant updates to architecture design since the conception of the original compiler. The Provet architecture is a hardware accelerator capable of performing operations on multiple subwords simultaneously. The soft-SIMD nature of the processor allows runtime configurability of subword sizes, distinguishing it from traditional hard-SIMD architectures. The need for a specialized compiler to optimize parallel computation highlights the problem’s significance, particularly in rapidly advancing fields such as machine learning where data parallelism and computational demands continuously grow. To solve this problem, the project involved updating the compiler to accurately translate a restricted subset of C++ into efficient assembly code, as well as creating a model in C++ which emulates the behaviour of a Provet processor when it executes a program written in this restricted subset. The updated compiler was tested and showed correctness in translation. The results demonstrate that the enhanced compiler facilitates high-level applications by efficiently outsourcing computation to the Provet processor, leading to significant performance improvements in data-intensive tasks and expanding the practical applications of the Provet architecture in fields requiring robust parallel processing capabilities.

Denna avhandling behandlar förbättringen av kompilatorn för Provet soft-SIMD-arkitekturen, nödvändiggjord av betydande uppdateringar av arkitekturdesignen sedan den ursprungliga kompilatorn skapades. Provet-arkitekturen är en hårdvaruaccelerator som kan utföra operationer på flera delord samtidigt. Processorns mjuk-SIMD-karaktär gör att storleken på delorden kan konfigureras under körning, vilket skiljer den från traditionella hård-SIMD-arkitekturer. Behovet av en specialiserad kompilator för att optimera parallella beräkningar understryker problemets betydelse, särskilt inom snabbt växande områden som maskininlärning där dataparallellism och beräkningskrav ständigt ökar. För att lösa detta problem omfattade projektet en uppdatering av kompilatorn för att korrekt översätta en begränsad delmängd av C++ till effektiv assemblerkod, samt att skapa en modell i C++ som emulerar beteendet hos en Provet-processor när den kör ett program skrivet i denna begränsade delmängd. Den uppdaterade kompilatorn testades och visade sig vara korrekt vid översättning. Resultaten visar att den förbättrade kompilatorn underlättar högnivåapplikationer genom att effektivt outsourca beräkningar till Provet-processorn, vilket leder till betydande prestandaförbättringar i dataintensiva uppgifter och utökar de praktiska tillämpningarna av Provet-arkitekturen inom områden som kräver robusta parallella bearbetningsmöjligheter.