🔢 mathematics

Performance evaluation of branch-free fused multiply-add algorithms for multi-component-type multiple-precision floating-point arithmetic

यह शोध पत्र डबल-वर्ड, ट्रिपल-वर्ड और क्वाड्रपल-वर्ड मल्टीपल-प्रिसिजन अंकगणित के लिए नए ब्रांच-फ्री फ्यूज्ड मल्टीप्लाई-ऐड एल्गोरिदम का प्रस्ताव और बेंचमार्किंग करता है, जो यह प्रदर्शित करता है कि वे कंडीशनल ब्रांचों को समाप्त करके मौजूदा तरीकों की तुलना में प्रदर्शन में और अधिक सुधार प्राप्त करते हैं।

मूल लेखक: Tomonori Kouya

प्रकाशित 2026-07-14

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tomonori Kouya

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप केवल मानक, बाजार में उपलब्ध लेगो (Lego) ईंटों का उपयोग करके एक सुपर-सटीक कैलकुलेटर बनाने की कोशिश कर रहे हैं। ये ईंटें आपके कंप्यूटर के सामान्य फ्लोटिंग-पॉइंट नंबरों (floating-point numbers) की तरह हैं। आमतौर पर, जब आप एक "डबल-वर्ड" (दो ईंटें), "ट्रिपल-वर्ड" (तीन ईंटें), या "क्वाड्रपल-वर्ड" (चार ईंटें) नंबर बनाने के लिए इन्हें एक के ऊपर एक रखते हैं, तो आपको निर्माण के दौरान लगातार टुकड़ों के आकार की जांच करनी पड़ती है। यदि कोई टुकड़ा बहुत बड़ा या बहुत छोटा है, तो आपको रुकना पड़ता है, विराम लेना पड़ता है और ढेर को फिर से व्यवस्थित करना पड़ता है। कंप्यूटर चिप्स की दुनिया में, ये "विराम" (pauses) जिन्हें ब्रांच (branches) कहा जाता है, एक बड़ी समस्या बन जाते हैं।

जब आप एक साथ लाखों ऐसे ढेर बनाने की कोशिश करते हैं (जैसे कि एक आधुनिक ग्राफिक्स कार्ड या शक्तिशाली प्रोसेसर पर), तो ये विराम एक दुःस्वप्न बन जाते हैं। यह एक ट्रैफिक जाम की तरह है जहाँ हर कार को आगे बढ़ने से पहले एक अलग साइन बोर्ड चेक करने के लिए रुकना पड़ता है। कुछ कारें बाएं जाती हैं, कुछ दाएं, और पूरी कतार थम जाती है। इसे "लेन डाइवर्जेंस" (lane divergence) कहा जाता है, और यह प्रदर्शन (performance) को खत्म कर देता है।

बड़ी खोज: "बिना रुके" वाला हाईवे
टोमोनोरी कोया (Tomonori Kouya) का शोध पत्र इन स्टैक्स को बनाने का एक नया तरीका पेश करता है जो कभी भी साइन बोर्ड चेक करने के लिए नहीं रुकता। यह एक "ब्रांच-फ्री" (branch-free) एल्गोरिदम है। यह पूछने के बजाय कि "क्या यह टुकड़ा काफी बड़ा है?" और उत्तर का इंतजार करने के बजाय, यह नया तरीका एक चतुर, पूर्व-नियोजित मार्ग का उपयोग करता है जो टुकड़ों के स्वरूप चाहे जो भी हो, पूरी तरह से काम करता है।

यह पेपर सिद्ध करता है, एक सुपर-स्मार्ट रोबोट गणितज्ञ (एक SMT सॉल्वर जिसे FPANVerifier कहा जाता है) का उपयोग करके, कि यह नया मार्ग सभी मानक कंप्यूटर प्रारूपों के लिए सुरक्षित और सटीक है। मुख्य निष्कर्ष यह है कि इन "रुकने और जांचने" वाले विरामों को हटाकर, कंप्यूटर बहुत तेजी से गणना कर सकता है।

जादुई ट्रिक: मूव को फ्यूज करना (Fusing the Move)
पेपर एक विशिष्ट क्रिया पर ध्यान केंद्रित करता है जिसे फ्यूज्ड मल्टीप्लाई-ऐड (Fused Multiply-Add - FMA) कहा जाता है। कल्पना कीजिए कि आपको दो संख्याओं को गुणा करना है और फिर तीसरी संख्या को जोड़ना है। आमतौर पर, आप इसे दो चरणों में करते हैं:

गुणा (और शायद परिणाम को ठीक करने के लिए रुकना)।
जोड़ (और शायद फिर से रुकना)।

लेखक इसका एक "फ्यूज्ड" संस्करण प्रस्तावित करते हैं जो इन दोनों को एक ही सुचारू गति में करता है, जैसे कि एक निंजा जो एक ही सांस में चाकू फेंकता है और उसे पकड़ लेता है।

डबल-वर्ड (2 ईंटों) के लिए: पुराने तरीके में 29 चरण लगते थे। नए तरीके में केवल 17।
ट्रिपल-वर्ड (3 ईंटों) के लिए: पुराने तरीके में 96 चरण लगते थे। नए तरीके में 66।
क्वाड्रपल-वर्ड (4 ईंटों) के लिए: पुराने तरीके में 209 चरण लगते थे। नए तरीके में 146।

पेपर एक "शॉर्टकट" विधि के बारे में भी चर्चा करता है जिसे अन्य शोधकर्ताओं द्वारा प्रस्तावित किया गया था (6-चरण वाली विधि)। महत्वपूर्ण रूप से, यह शॉर्टकट सामान्य रूप से मान्य नहीं है। यह एक उच्च-गति वाला उपकरण है जो केवल तभी काम करता है जब संख्याएं पहले से ही एक विशिष्ट तरीके से व्यवस्थित हों (विशेष रूप से, यदि जोड़ी गई संख्या गुणनफल (product) से कम से कम दोगुनी बड़ी है)। यदि आप इस शॉर्टकट को भाग (division) या वर्गमूल (square root) जैसे सामान्य गणितीय कार्यों पर आज़माते हैं, जहाँ आप यह गारंटी नहीं दे सकते कि वे संख्याएँ इस तरह से मिलेंगी, तो सटीकता बहुत खराब हो जाती है। लेखक का नया तरीका, जो किसी भी संख्या के लिए काम करता है, विशेष व्यवस्था की आवश्यकता के बिना एक सच्चा "ड्रॉप-इन" रिप्लेसमेंट है।

हम कितने आश्वस्त हैं?
लेखक अविश्वसनीय रूप से आश्वस्त हैं, लेकिन वे केवल अनुमान नहीं लगाते, बल्कि ठोस साक्ष्य देते हैं।

मशीन-वेरिफाइड: उन्होंने केवल कोड नहीं लिखा और उम्मीद नहीं की; उन्होंने गणितीय रूप से यह सिद्ध करने के लिए एक कंप्यूटर प्रोग्राम का उपयोग किया कि उनके नए तरीके में त्रुटि बहुत कम है (विशेष रूप से, $34u^2$ , $184u^3$ , और $812u^4$ जैसे सूत्रों द्वारा सीमित, जहाँ $u$ एक एकल संख्या की सूक्ष्म राउंडिंग एरर है)।
हर जगह परीक्षण: उन्होंने इन एल्गोरिदम को दो बहुत अलग सुपर-कंप्यूटरों पर चलाया: एक Arm-आधारित चिप (GB10) और एक Intel-आधारित चिप (H100)।
परिणाम:
- Arm चिप पर, नया तरीका भाग और वर्गमूल की गणनाओं के लिए 1.5 से 2.1 गुना तेज़ था।
- Intel चिप पर, यह भाग और वर्गमूल के लिए 1.2 से 1.6 गुना तेज़ था।
- मैट्रिक्स गुणन (GEMM) जैसे बड़े गणितीय कार्यों के लिए, Arm चिप पर स्पीडअप और भी नाटकीय था, जो ट्रिपल-वर्ड नंबरों के लिए 2.0 गुना तक तेज़ पहुँच गया।

"एक्ज़ैक्ट" (Exact) विकल्प
पेपर इस ट्रिक के एक "परफेक्ट" संस्करण के बारे में भी चर्चा करता है जिसे Exact FMA कहा जाता है। यह संस्करण और भी अधिक सटीक है, लेकिन इसकी एक भारी कीमत है: यह प्रस्तावित नए तरीके की तुलना में 6 से 11 गुना धीमा है। लेखक इस "परफेक्ट" संस्करण का उपयोग केवल तभी करने का सुझाव देते हैं जब आपको वास्तव में, 100% उच्चतम सटीकता की आवश्यकता हो और गति की चिंता न हो। लगभग बाकी सब कुछ के लिए, नया "ब्रांच-फ्री" तरीका विजेता है।

"पुराने" तरीके के बारे में क्या?
पेपर इस शोध के एक पिछले संस्करण की गलती को भी सुधारता है। पहले, लेखकों ने अपने नए तरीके की तुलना एक "पूरी तरह से डिस्टिल्ड" पुराने तरीके से की थी जो अविश्वसनीय रूप से धीमा और अक्षम था। उन्होंने महसूस किया कि वह एक निष्पक्ष मुकाबला नहीं था। जब उन्होंने अपने नए तरीके की तुलना वास्तविक मानक "ब्रांच-फ्री" तरीके से की (जो पहले से ही काफी तेज़ है), तो नया तरीका अभी भी जीत गया, लेकिन स्पीडअप अधिक मामूली था (लगभग 1.3 से 1.7 गुना तेज़)। यह अभी भी एक बड़ी जीत है, लेकिन यह एक वास्तविक परिणाम है।

निष्कर्ष (The Bottom Line)
यह पेपर दिखाता है कि उच्च-परिशुद्धता गणित में "रुकने और जांचने" वाले विरामों को हटाकर, हम सटीकता खोए बिना कंप्यूटरों को काफी तेज़ बना सकते हैं। यह एक ऐसी कार में अपग्रेड करने जैसा है जिसे हर चौराहे पर रुकना पड़ता है, और अब वह कार उड़ सकती है। लेखकों ने सिद्ध किया है कि यह काम करता है, इसे वास्तविक हार्डवेयर पर परखा है, और दिखाया है कि यह अगली पीढ़ी के सुपर-फास्ट कैलकुलेटरों के लिए तैयार है।

तकनीकी सारांश: मल्टी-कंपोनेंट-टाइप मल्टी-प्रिसिजन फ्लोटिंग-पॉइंट अंकगणित के लिए ब्रांच-फ्री फ्यूज्ड मल्टी-प्लाई-ऐड (FMA) एल्गोरिदम का प्रदर्शन मूल्यांकन

1. समस्या विवरण

मल्टी-कंपोनेंट मल्टी-प्रिसिजन अंकगणित (जैसे, डबल-वर्ड/DW, ट्रिपल-वर्ड/TW, क्वाड्रुपल-वर्ड/QW) मानक बाइनरी64 (या बाइनरी32) घटकों को बंडल करके और एरर-फ्री ट्रांसफॉर्मेशन (EFTs) के माध्यम से कैरी (carries) को सटीक रूप से संभालकर उच्च प्रदर्शन प्राप्त करता है। हालाँकि, इन एल्गोरिदम में रिनॉर्मलाइजेशन (renormalization) चरण आमतौर पर मध्यवर्ती मानों (intermediate values) पर निर्भर if-ब्रांचों पर आधारित होते हैं। ये शाखाएँ (branches) SIMD और GPU कार्यान्वयन में लेन (lane) या वॉरप (warp) विचलन के कारण महत्वपूर्ण प्रदर्शन दंड (performance penalties) का कारण बनती हैं।

जबकि झांग और एइकन ने पहले DW/TW/QW जोड़ (addition) और गुणन (multiplication) के लिए ब्रांच-फ्री एल्गोरिदम प्रस्तावित किए थे, इन अलग-अलग ब्रांच-फ्री ऑपरेशनों का संयोजन उप-इष्टतम (suboptimal) बना हुआ है। विशेष रूप से, एक पृथक ब्रांच-फ्री मल्टीप्लिकेशन और एक ब्रांच-फ्री एडिशन को क्रमवार संयोजित करके एक फ्यूज्ड मल्टी-प्लाई-ऐड (FMA) ऑपरेशन $z \leftarrow x \cdot y + c$ करने में उच्च ऑपरेशन काउंट (जैसे, DW के लिए 29 flops, TW के लिए 96, QW के लिए 209) और अनावश्यक रिनॉर्मलाइजेशन चरण शामिल होते हैं।

2. कार्यप्रणाली (Methodology)

यह शोध पत्र DW, TW, और QW अंकगणित (और उनके सिंगल-प्रिसिजन बेस वेरिएंट्स DS, TS, QS) के लिए नए, ब्रांच-फ्री फ्यूज्ड मल्टी-प्लाई-ऐड (FMA) एल्गोरिदम प्रस्तावित करता है। मुख्य कार्यप्रणाली में शामिल है:

एल्गोरिद्मिक संरचना: प्रस्तावित FMA एक अलग मल्टीप्लिकेशन और एडिशन को संयोजित करने के बजाय एक एकल फ्यूज्ड चरण में $z \leftarrow x \cdot y + c$ $z \leftarrow x \cdot y + c$ की गणना करता है। इस प्रक्रिया में शामिल है:
1. प्रोडक्ट एक्सपेंशन (Product Expansion): TwoProd का उपयोग करके घटकों के उत्पादों का अपघटन करना।
2. वेट-वाइज एक्यूमुलेशन (Weight-wise Accumulation): TwoSum की श्रृंखलाओं का उपयोग करके समान पावर-ऑफ-टू (power-of-two) स्थिति पर आने वाले पदों को एकत्रित करना।
3. रिनॉर्मलाइजेशन (Renormalization): परिणाम को $K$ गैर-अतिव्यापी (non-overlapping) घटकों में पुनर्गठित करना।
गेट चयन और सत्यापन (Gate Selection and Verification): एक महत्वपूर्ण डिजाइन सिद्धांत रिनॉर्मलाइजेशन गेट्स का चयन मशीन-सत्यापन योग्य पूर्वशर्तों (preconditions) के आधार पर करना है। एल्गोरिदम FastTwoSum (3 flops) का उपयोग केवल वहीं करता है जहाँ पूर्वशर्त $\text{exp}(a) \ge \text{exp}(b)$ को z3 नामक SMT सॉल्वर के माध्यम से FPANVerifier टूल का उपयोग करके सभी प्रिसिज़न $p$ के लिए मशीन-सिद्ध किया जा सकता है। जहाँ पूर्वशर्त सिद्ध नहीं की जा सकती, वहाँ शुद्धता सुनिश्चित करने के लिए TwoSum (6 flops) का उपयोग किया जाता है।
क्रमविनिमेयता (Commutativity): ऑपरेंड एक्सचेंज ( $x \leftrightarrow y$ ) के तहत बिटवाइज़ समझौता (bitwise agreement) सुनिश्चित करने के लिए, एल्गोरिदम डायगोनल सम्स (diagonal sums) को पुनर्व्यवस्थित करता है ताकि ट्रांसपोज़्ड जोड़े (जैसे, $P_{ij}$ और $P_{ji}$ ) पहले प्रोसेस हों। यह ऑपरेशन काउंट को बढ़ाए बिना किया जाता है।
सटीक संस्करण (Exact Variant): एक "डिस्टिलेशन" संस्करण (Exact FMA) को संदर्भ के रूप में भी लागू किया गया है। यह एक पूर्ण एरर-फ्री एक्सपेंशन के बाद परिणाम-सापेक्ष त्रुटि सीमाओं (result-relative error bounds) को प्राप्त करने के लिए कई TwoSum स्वीप करता है, हालांकि इसमें काफी अधिक कम्प्यूटेशनल लागत आती है।

3. प्रमुख योगदान

3.1 न्यूनतम ब्रांच-फ्री FMA निर्माण

यह शोध पत्र निम्नलिखित ऑपरेशन काउंट के साथ न्यूनतम, मशीन-वेरिफाइड ब्रांच-फ्री FMA निर्माण प्रस्तुत करता है (फ्यूज्ड FMA निर्देश को 1 गिनते हुए):

DW (K=2): 17 flops (संयोजित ब्रांच-फ्री mul+add के 29 के मुकाबले)।
TW (K=3): 66 flops (96 के मुकाबले)।
QW (K=4): 146 flops (209 के मुकाबले)।

ये काउंट्स उन न्यूनतम निर्माणों का प्रतिनिधित्व करते हैं जहाँ प्रत्येक FastTwoSum पूर्वशर्त मशीन-वेरिफाइड है।

3.2 मशीन-वेरिफाइड एरर बाउंड्स

FPANVerifier का उपयोग करते हुए, लेखक सभी प्रिसिज़न के लिए $(|xy| + |c|)$ के सापेक्ष एरर बाउंड्स को प्रमाणित करते हैं:

DW: $34 u^2 (|xy| + |c|)$
TW: $184 u^3 (|xy| + |c|)$
QW: $812 u^4 (|xy| + |c|)$
प्रत्येक FastTwoSum पूर्वशर्त की वैधता और प्रमाणित संस्करण तथा एक नैव (naive) संस्करण (जहाँ FastTwoSum को प्रमाण के बावजूद पूंछ/tail में रखा जाता है) के बीच बिटवाइज़ समझौते की पुष्टि की गई है।

3.3 क्रमविनिमेयता (Commutativity)

प्रस्तावित एल्गोरिदम सभी छह प्रकारों (DD/TD/QD/DS/TS/QS) के लिए $x$ और $y$ में बिटवाइज़ कम्यूटेटिव है। यह प्लेन एडिशन्स के एसोसिएशन ऑर्डर को सिमेट्राइज़ करके प्राप्त किया गया है, जिससे यह सुनिश्चित होता है कि $f(x, y, c) \equiv f(y, x, c)$ , बिना अतिरिक्त ऑपरेशन्स जोड़े।

3.4 डिवीजन और स्क्वायर रूट के लिए विशिष्ट वेरिएंट

शोध पत्र पहचानता है कि डिवीजन और स्क्वायर रूट एल्गोरिदम में मध्यवर्ती रेसिडुअल्स (residuals) मानक FMA प्रमाणों के लिए आवश्यक गैर-अतिव्यापी धारणाओं को पूरा नहीं कर सकते हैं। फलस्वरूप, इन संदर्भों के लिए एक "सेफ" (safe) वेरिएंट प्रस्तावित किया गया है (DW 20 / TW 69 / QW 149 flops), जो सटीकता सुनिश्चित करने के लिए अप्रामाणित FastTwoSum गेट्स को TwoSum में बदल देता है।

4. प्रयोगात्मक परिणाम

एल्गोरिदम का मूल्यांकन दो प्लेटफार्मों पर किया गया:

Arm: NVIDIA GB10 (Grace-Blackwell, Cortex-X925 CPU, Blackwell GPU)।
x86: H100 नोड (Intel Xeon Gold 6526Y CPU, H100 GPU)।
कार्यान्वयन: स्केलर, AVX2, AVX-512, NEON, SVE2, और CUDA।

4.1 लीनियर अल्जेब्रा कर्नेल (AXPY, GEMV, GEMM)

स्पीडअप: प्रस्तावित FMA कंप्यूट-बाउंड परिदृश्यों में ब्रांच-फ्री बेसलाइन (BF) की तुलना में लगातार बेहतर प्रदर्शन करता है।
- AVX2 (x86): GEMM में $\times 1.49$ (DD), $\times 1.32$ (TD), और $\times 1.47$ (QD) की स्पीडअप।
- NEON (Arm): GEMM में $\times 1.40$ (DD), $\times 1.42$ (TD), और $\times 1.47$ (QD) की स्पीडअप।
- SVE2: समान लेन विड्थ पर NEON के समान प्रदर्शन, जिसमें QD GEMM, BF पर $\times 1.62$ की स्पीडअप तक पहुँचता है।
- GPU (GB10): कंप्यूट-बाउंड डबल-प्रिसिजन प्रकारों पर, स्पीडअप सैद्धांतिक FLOP रेश्यो से मेल खाता है ( $\times 1.71$ DD के लिए, $\times 1.46$ TD के लिए, $\times 1.40$ QD के लिए)। बैंडविड्थ-बाउंड वर्कलोड (सिंगल-प्रिसिजन या H100) पर, स्पीडअप $\times 1.00$ के करीब है।
सटीकता: प्रस्तावित FMA मौजूदा ब्रांच-फ्री विधियों (Q/BF) के तुलनीय वर्किंग एक्यूरेसी बनाए रखता है। कैंसिलेशन (cancellation) परिदृश्यों में, त्रुटि व्यवहार बेसलाइन के समान ही है। 'Exact FMA' बेहतर परिणाम-सापेक्ष सटीकता प्रदान करता है लेकिन इसमें 2.5–5.0 $\times$ की धीमी गति होती है।

4.2 डिवीजन और स्क्वायर रूट

डिवीजन: प्रस्तावित FMA लॉन्ग डिवीजन को काफी तेज करता है, विशेष रूप से उच्च प्रिसिजन के लिए।
- NEON/SVE2: $\times 1.51$ से $\times 2.11$ की स्पीडअप (QD डिवीजन $\times 2.11$ तक पहुँचता है, जो दो सीरियल रिनॉर्मलाइजेशन चेन्स को एक में फोल्ड करने के कारण ऑपरेशन-काउंट रेशो 1.51 से अधिक है)।
- GB10 (कंप्यूट-ओनली): $\times 1.25$ से $\times 1.61$ की स्पीडअप।
स्क्वायर रूट: प्रस्तावित FMA बेसलाइन की तुलना में शून्य सटीकता हानि के साथ $\times 1.51$ से $\times 1.61$ की स्पीडअप प्राप्त करता है। ऐसा इसलिए है क्योंकि न्यूटन इटरेशन राउंडिंग यूनिट से बहुत नीचे अभिसरित (converge) होता है, जिससे अंतिम त्रुटि सभी विधियों के लिए सामान्य अंतिम गुणन (multiplication) द्वारा डोमिनेट होती है।

4.3 सिंगल-प्रिसिजन बेस (DS/TS/QS)

एल्गोरिदम को सिंगल-प्रिसिजन घटकों के लिए सफलतापूर्वक विस्तारित किया गया, जिसने वर्किंग एक्यूरेसी बनाए रखी और BF बेसलाइन पर $\times 1.37$ से $\times 1.83$ की स्पीडअप हासिल की।

5. महत्व और दावे

शोध पत्र का दावा है कि प्रस्तावित ब्रांच-फ्री फ्यूज्ड FMA एक न्यूनतम, मशीन-वेरिफाइड निर्माण का प्रतिनिधित्व करता है जो मौजूदा ब्रांच-फ्री मल्टीप्लिकेशन और एडिशन के दो चरणों को एक एकल ऑपरेशन में सफलतापूर्वक फोल्ड करता है।

प्रदर्शन: यह ऑपरेशन काउंट को कम करके और डिपेंडेंस चेन्स को छोटा करके वास्तविक दुनिया में स्पीडअप (GEMM में $\times 2.11$ तक और GPU पर $\times 1.71$ तक) प्रदान करता है, जो विशेष रूप से उच्च प्रिसिजन (TW/QW) के लिए फायदेमंद है।
सटीकता: एल्गोरिदम कठोरता से सत्यापित हैं। एरर बाउंड्स और FastTwoSum पूर्वशर्तें सभी प्रिसिज़न के लिए मशीन-सिद्ध हैं, और 200,000+ परीक्षणों के माध्यम से स्केलर, SIMD, और GPU कार्यान्वयन के बीच बिटवाइज़ समझौते की पुष्टि की गई है।
व्यापकता: दृष्टिकोण केवल लीनियर अल्जेब्रा तक सीमित नहीं है; यह प्रभावी रूप से डिवीजन और स्क्वायर रूट एल्गोरिदम को भी तेज करता है, जो MAC ऑपरेशन्स पर अत्यधिक निर्भर हैं।
क्रमविनिमेयता: कुछ पूर्ववर्ती ब्रांच-फ्री दृष्टिकोणों के विपरीत, प्रस्तावित FMA बिटवाइज़ कम्यूटेटिविटी को बनाए रखता है, जो समानांतर रिडक्शन (parallel reductions) में पुनरुत्पादकता (reproducibility) के लिए एक महत्वपूर्ण गुण है।

लेखक इस कार्य को अलग-अलग ब्रांच-फ्री ऑपरेशनों को संयोजित करने के एक व्यावहारिक विकल्प के रूप में प्रस्तुत करते हैं, जो सटीकता या प्रमाणिकता से समझौता किए बिना मल्टी-कंपोनेंट अंकगणित लाइब्रेरी के लिए एक "ड्रॉप-इन" एक्सेलेरेशन प्रदान करता है। भविष्य के कार्य में ऑपरेशन काउंट को और कम करने के लिए वैकल्पिक रिनॉर्मलाइजेशन स्ट्रक्चर (जैसे, प्रीस्ट-स्टाइल) का पता लगाने का सुझाव दिया गया है।