Matrixvermenigvuldiging ligt aan de kern van machinaal leren, een deelgebied van de artificiële intelligentie. Softwarebibliotheken bevatten manueel geoptimaliseerde versies van matrixvermenigvuldiging voor de meest gangbare technieken in machinaal leren, maar kunnen niet gebruikt worden voor onderzoek naar nieuwe technieken. Deze masterproef presenteert een flexibel raamwerk waarmee een breed scala aan ML berekeningen kunnen worden uitgevoerd, zonder te moeten inboeten aan snelheid.

Door het uitvoeren van "klassieke" computerprogramma's op GPUs – de processor die normaal dient voor het aansturen van je beeldscherm – kan het gebruik van een gewone computer een stuk efficienter worden gemaakt.

Deze masterthesis presenteert voor het eerst een garbage collector voor GPUs naar analogie met garbage collectors voor CPUs. Dit toont aan dat moderne programmeertalen ook op GPUs uitgevoerd kunnen worden.