> For AI agents: the complete documentation index is available at https://shijin.space/llms.txt, the full documentation bundle is available at https://shijin.space/llms-full.txt.

# MOSAIC-Sieve

# MOSAIC-Sieve 项目概览

## 项目定位

**MOSAIC-Sieve** 是一个面向格筛法的计算框架，其名称来自：

**M**odular **O**ut-of-core **S**calable **A**ccelerator-**I**ntegrated **C**omputing for Lattice Sieving

即面向格筛法的模块化、支持外存、可扩展并集成加速器的计算框架。名称概括了项目的四个主要特性：

- **模块化组织。** 将数据管理、算法流程与计算后端分开组织，通过明确的接口协作，便于分别维护和优化。
- **外存支持。** 支持内存与文件存储，通过分批组织和处理数据，减少对全量数据常驻内存的依赖。
- **并行扩展。** 利用多线程组织并行任务，并在支持的后端上结合 MPI 协调多个计算进程。
- **加速器集成。** 面向 CPU、CUDA GPU 和神威平台实现计算后端，使上层流程能够复用，并根据硬件特点调整执行方式。

## 进一步阅读

- [《架构设计》](https://shijin.space/projects/mosaic-sieve-architecture/index.md)：介绍数据管理层与计算后端如何解耦，以及模块职责、数据通路和完整 Pump 流程。
- [《实践经验》](https://shijin.space/projects/mosaic-sieve-practical-experience/index.md)：讨论异步批次流水线、缓冲复用，以及如何根据瓶颈调整批次大小和在途批次数。
- [《CUDA 与 Tensor Core 编程》](https://shijin.space/projects/mosaic-sieve-cuda-tensor-cores/index.md)：从分桶与桶内搜索的共同计算模式出发，介绍 Tensor Core 的使用、融合筛选与稀疏输出，以及关键优化取舍。