Rust and cuda clang support

[SirAlienTheGreat]

Adds rust qfunction support

[jeremylt]

As mentioned in person, here's my diff to make stdout quiet

diff --git a/backends/cuda/ceed-cuda-compile.cpp b/backends/cuda/ceed-cuda-compile.cpp
index 08f29af2..457e2380 100644
--- a/backends/cuda/ceed-cuda-compile.cpp
+++ b/backends/cuda/ceed-cuda-compile.cpp
@@ -35,6 +35,25 @@
     CeedChk_Nvrtc(ceed, ierr_q_); \
   } while (0)
 
+//------------------------------------------------------------------------------
+// Call system command and capture stdout + stderr
+//------------------------------------------------------------------------------
+static int CeedCallSystem(Ceed ceed, const char *command, const char *message) {
+  CeedDebug(ceed, "Running command:\n$ %s\n", command);
+  FILE *output_stream = popen((command + std::string(" 2>&1")).c_str(), "r");
+
+  CeedCheck(output_stream != nullptr, ceed, CEED_ERROR_BACKEND, "Failed to %s with command: %s", message, command);
+
+  char output[4 * CEED_MAX_RESOURCE_LEN];
+
+  while (fgets(output, sizeof(output), output_stream) != nullptr) {
+  }
+  CeedDebug(ceed, "Command output:\n%s\n", output);
+
+  CeedCheck(pclose(output_stream) == 0, ceed, CEED_ERROR_BACKEND, "Failed to %s with error: %s", message, output);
+  return CEED_ERROR_SUCCESS;
+}
+
 //------------------------------------------------------------------------------
 // Compile CUDA kernel
 //------------------------------------------------------------------------------
@@ -61,9 +80,9 @@ static int CeedCompileCore_Cuda(Ceed ceed, const char *source, const bool throw_
   CeedCallBackend(CeedGetIsClang(ceed, &using_clang));
 
   CeedDebug256(ceed, CEED_DEBUG_COLOR_SUCCESS,
-               using_clang
-                   ? "Compiling CUDA with Clang backend (with Rust QFunction support)"
-                   : "Compiling CUDA with NVRTC backend (without Rust QFunction support). To use Clang, set the environmental variable GPU_CLANG=1");
+               using_clang ? "Compiling CUDA with Clang backend (with Rust QFunction support)"
+                           : "Compiling CUDA with NVRTC backend (without Rust QFunction support).\nTo use the Clang backend, set the environment "
+                             "variable GPU_CLANG=1");
 
   // Get kernel specific options, such as kernel constants
   if (num_defines > 0) {
@@ -198,12 +217,10 @@ static int CeedCompileCore_Cuda(Ceed ceed, const char *source, const bool throw_
     CeedCallBackend(CeedFree(&ptx));
     return CEED_ERROR_SUCCESS;
   } else {
-    const char *full_filename = "temp-jit.cu";
+    const char *full_filename = "temp_kernel_source.cu";
     FILE       *file          = fopen(full_filename, "w");
-    if (!file) {
-      CeedDebug256(ceed, CEED_DEBUG_COLOR_ERROR, "Failed to create file. Write access is required for cuda-clang\n");
-      return 1;
-    }
+
+    CeedCheck(file, ceed, CEED_ERROR_BACKEND, "Failed to create file. Write access is required for cuda-clang\n");
     fputs(code.str().c_str(), file);
     fclose(file);
 
@@ -226,26 +243,22 @@ static int CeedCompileCore_Cuda(Ceed ceed, const char *source, const bool throw_
 
     CeedCallBackend(CeedRestoreRustSourceRoots(ceed, &rust_source_dirs));
 
-    // Compile with rust
-    int         err;
-    std::string cmd;
+    // Compile Rust crate(s) needed
+    std::string command;
 
     for (CeedInt i = 0; i < num_rust_source_dirs; i++) {
-      cmd = "cargo +nightly build --release --target nvptx64-nvidia-cuda --config " + rust_dirs[i] + "/.cargo/config.toml --manifest-path " +
-            rust_dirs[i] + "/Cargo.toml";
-      err = system(cmd.c_str());
-      CeedCheck(!err, ceed, CEED_ERROR_BACKEND, "Failed to build Rust crates for GPU JiT.\nFailed to build Rust crate %d with command: %s", i,
-                cmd.c_str());
+      command = "cargo +nightly build --release --target nvptx64-nvidia-cuda --config " + rust_dirs[i] + "/.cargo/config.toml --manifest-path " +
+                rust_dirs[i] + "/Cargo.toml";
+      CeedCallBackend(CeedCallSystem(ceed, command.c_str(), "build Rust crate"));
     }
 
-    cmd = "clang++ -flto=thin --cuda-gpu-arch=sm_" + std::to_string(prop.major) + std::to_string(prop.minor) +
-          " --cuda-device-only -emit-llvm -S temp-jit.cu -o kern.ll ";
-    cmd += opts[4];
-    err = system(cmd.c_str());
-    CeedCheck(!err, ceed, CEED_ERROR_BACKEND, "Failed to compile QFunction source to LLVM IR");
-
-    cmd = "llvm-link-20 kern.ll --ignore-non-bitcode --internalize --only-needed -S -o kern2.ll  ";
+    // Compile wrapper kernel
+    command = "clang++ -flto=thin --cuda-gpu-arch=sm_" + std::to_string(prop.major) + std::to_string(prop.minor) +
+              " --cuda-device-only -emit-llvm -S temp_kernel_source.cu -o temp_kernel.ll ";
+    command += opts[4];
+    CeedCallBackend(CeedCallSystem(ceed, command.c_str(), "JiT kernel source"));
 
+    command = "llvm-link temp_kernel.ll --ignore-non-bitcode --internalize --only-needed -S -o temp_kernel_linked.ll  ";
     // Searches for .a files in rust directoy
     // Note: this is necessary because rust crate names may not match the folder they are in
     for (CeedInt i = 0; i < num_rust_source_dirs; i++) {
@@ -260,24 +273,23 @@ static int CeedCompileCore_Cuda(Ceed ceed, const char *source, const bool throw_
         std::string filename(entry->d_name);
 
         if (filename.size() >= 2 && filename.substr(filename.size() - 2) == ".a") {
-          cmd += dir + "/" + filename + " ";
+          command += dir + "/" + filename + " ";
         }
       }
       closedir(dp);
-      // Todo: when libceed switches to c++17, switch to std::filesystem for the loop above
+      // TODO: when libCEED switches to c++17, switch to std::filesystem for the loop above
     }
 
-    CeedDebug(ceed, "Running llvm-link: %s\n", cmd.c_str());
-    err = system(cmd.c_str());
-    CeedCheck(!err, ceed, CEED_ERROR_BACKEND, "Failed to link C and Rust sources with LLVM\nllvm-link command: %s", cmd.c_str());
+    // Link, optimize, and compile final CUDA kernel
+    CeedCallBackend(CeedCallSystem(ceed, command.c_str(), "link C and Rust source"));
+    CeedCallBackend(
+        CeedCallSystem(ceed, "opt --passes internalize,inline temp_kernel_linked.ll -o temp_kernel_opt.bc", "optimize linked C and Rust source"));
+    CeedCallBackend(CeedCallSystem(
+        ceed,
+        ("llc -O3 -mcpu=sm_" + std::to_string(prop.major) + std::to_string(prop.minor) + " temp_kernel_opt.bc -o temp_kernel_final.ptx").c_str(),
+        "compile final CUDA kernel"));
 
-    err = system("opt --passes internalize,inline kern2.ll -o kern3.bc");
-    CeedCheck(!err, ceed, CEED_ERROR_BACKEND, "Failed  to Optimize QFunction LLVM IR");
-
-    err = system(("llc -O3 -mcpu=sm_" + std::to_string(prop.major) + std::to_string(prop.minor) + " kern3.bc -o kern.ptx").c_str());
-    CeedCheck(!err, ceed, CEED_ERROR_BACKEND, "Failed to compile QFunction LLVM IR)\n");
-
-    ifstream      ptxfile("kern.ptx");
+    ifstream      ptxfile("temp_kernel_final.ptx");
     ostringstream sstr;
 
     sstr << ptxfile.rdbuf();
@@ -285,8 +297,21 @@ static int CeedCompileCore_Cuda(Ceed ceed, const char *source, const bool throw_
     auto ptx_data = sstr.str();
     ptx_size      = ptx_data.length();
 
-    CeedCallCuda(ceed, cuModuleLoadData(module, ptx_data.c_str()));
-    CeedCallBackend(CeedFree(&ptx_data));
+    int result = cuModuleLoadData(module, ptx_data.c_str());
+
+    *is_compile_good = result == 0;
+    if (!*is_compile_good) {
+      if (throw_error) {
+        return CeedError(ceed, CEED_ERROR_BACKEND, "Failed to load module data");
+      } else {
+        // LCOV_EXCL_START
+        CeedDebug256(ceed, CEED_DEBUG_COLOR_ERROR, "---------- COMPILE ERROR DETECTED ----------\n");
+        CeedDebug(ceed, "Error: Failed to load module data");
+        CeedDebug256(ceed, CEED_DEBUG_COLOR_ERROR, "---------- BACKEND MAY FALLBACK ----------\n");
+        return CEED_ERROR_SUCCESS;
+        // LCOV_EXCL_STOP
+      }
+    }
   }
   return CEED_ERROR_SUCCESS;
 }

[jeremylt]

This makes it work like the other CeedCall* functions

diff --git a/backends/cuda/ceed-cuda-compile.cpp b/backends/cuda/ceed-cuda-compile.cpp
index 99ec8dc7..7b78a4e1 100644
--- a/backends/cuda/ceed-cuda-compile.cpp
+++ b/backends/cuda/ceed-cuda-compile.cpp
@@ -35,10 +35,12 @@
     CeedChk_Nvrtc(ceed, ierr_q_); \
   } while (0)
 
+#define CeedCallSystem(ceed, command, message) CeedCallBackend(CeedCallSystem_Core(ceed, command, message))
+
 //------------------------------------------------------------------------------
 // Call system command and capture stdout + stderr
 //------------------------------------------------------------------------------
-static int CeedCallSystem(Ceed ceed, const char *command, const char *message) {
+static int CeedCallSystem_Core(Ceed ceed, const char *command, const char *message) {
   CeedDebug(ceed, "Running command:\n$ %s\n", command);
   FILE *output_stream = popen((command + std::string(" 2>&1")).c_str(), "r");
 
@@ -249,14 +251,14 @@ static int CeedCompileCore_Cuda(Ceed ceed, const char *source, const bool throw_
     for (CeedInt i = 0; i < num_rust_source_dirs; i++) {
       command = "cargo +nightly build --release --target nvptx64-nvidia-cuda --config " + rust_dirs[i] + "/.cargo/config.toml --manifest-path " +
                 rust_dirs[i] + "/Cargo.toml";
-      CeedCallBackend(CeedCallSystem(ceed, command.c_str(), "build Rust crate"));
+      CeedCallSystem(ceed, command.c_str(), "build Rust crate");
     }
 
     // Compile wrapper kernel
     command = "clang++ -flto=thin --cuda-gpu-arch=sm_" + std::to_string(prop.major) + std::to_string(prop.minor) +
               " --cuda-device-only -emit-llvm -S temp_kernel_source.cu -o temp_kernel.ll ";
     command += opts[4];
-    CeedCallBackend(CeedCallSystem(ceed, command.c_str(), "JiT kernel source"));
+    CeedCallSystem(ceed, command.c_str(), "JiT kernel source");
 
     command = "llvm-link-20 temp_kernel.ll --ignore-non-bitcode --internalize --only-needed -S -o temp_kernel_linked.ll  ";
     // Searches for .a files in rust directoy
@@ -281,13 +283,12 @@ static int CeedCompileCore_Cuda(Ceed ceed, const char *source, const bool throw_
     }
 
     // Link, optimize, and compile final CUDA kernel
-    CeedCallBackend(CeedCallSystem(ceed, command.c_str(), "link C and Rust source"));
-    CeedCallBackend(
-        CeedCallSystem(ceed, "opt --passes internalize,inline temp_kernel_linked.ll -o temp_kernel_opt.bc", "optimize linked C and Rust source"));
-    CeedCallBackend(CeedCallSystem(
+    CeedCallSystem(ceed, command.c_str(), "link C and Rust source");
+    CeedCallSystem(ceed, "opt --passes internalize,inline temp_kernel_linked.ll -o temp_kernel_opt.bc", "optimize linked C and Rust source");
+    CeedCallSystem(
         ceed,
         ("llc -O3 -mcpu=sm_" + std::to_string(prop.major) + std::to_string(prop.minor) + " temp_kernel_opt.bc -o temp_kernel_final.ptx").c_str(),
-        "compile final CUDA kernel"));
+        "compile final CUDA kernel");
 
     ifstream      ptxfile("temp_kernel_final.ptx");
     ostringstream sstr;

[jeremylt]

Ok, here is the CI and some small tidying

diff --git a/.gitignore b/.gitignore
index e7b100a0..dc446bd9 100644
--- a/.gitignore
+++ b/.gitignore
@@ -51,6 +51,9 @@ doc/sphinx/build/
 # Example docs automatically copied from source tree
 doc/sphinx/source/examples/
 
+# Clang GPU temp files
+temp_*
+
 # Output files, videos, and compressed archives should not be added accidentally
 *.avi
 *.bin
diff --git a/.gitlab-ci.yml b/.gitlab-ci.yml
index 5389460d..9a7b3adf 100644
--- a/.gitlab-ci.yml
+++ b/.gitlab-ci.yml
@@ -171,6 +171,57 @@ noether-cpu:
 #    - touch .SUCCESS
 
 
+# ----------------------------------------------------------------------------------------
+# Rust + CUDA
+# ----------------------------------------------------------------------------------------
+noether-rust-qfunctions:
+  stage: test:gpu-and-float
+  tags:
+    - cuda
+  interruptible: true
+  before_script:
+    # Environment
+    - export COVERAGE=1 CC=gcc CXX=g++ FC=gfortran NVCC=nvcc GPU_CLANG=1
+    - export NPROC_POOL=4
+    - echo "-------------- nproc ---------------" && NPROC_CPU=$(nproc) && NPROC_GPU=$(($(nproc)<8?$(nproc):8)) && echo "NPROC_CPU" $NPROC_CPU && echo "NPROC_GPU" $NPROC_GPU
+    - echo "-------------- CC ------------------" && $CC --version
+    - echo "-------------- CXX -----------------" && $CXX --version
+    - echo "-------------- FC ------------------" && $FC --version
+    - echo "-------------- NVCC ----------------" && $NVCC --version
+    - echo "-------------- Rustc ---------------" && rustc --version
+    - echo "-------------- Clang++ -------------" && clang++ --version
+    - echo "-------------- GCOV ----------------" && gcov --version
+  script:
+    - rm -f .SUCCESS
+    # libCEED
+    - make configure OPT='-O -march=native -ffp-contract=fast' CUDA_DIR=/usr/local/cuda-12.9
+    - echo "-------------- libCEED -------------" && make info
+    - make clean
+    - make -k -j$NPROC_CPU -l$NPROC_CPU
+    # -- libCEED only tests
+    - echo "-------------- Rust QFunction tests -"
+    #    Note: PETSC_DIR is set by default in GitLab runner env, unsetting to isolate core tests
+    - export PETSC_DIR= PETSC_ARCH=
+    - make -k -j$((NPROC_GPU / NPROC_POOL)) JUNIT_BATCH="rust-qfunction" junit realsearch=rust-qfunction
+    # Report status
+    - touch .SUCCESS
+  after_script:
+    - |
+      if [ -f .SUCCESS ]; then
+        lcov --directory . --capture --output-file coverage.info --ignore-errors source,mismatch;
+        bash <(curl -s https://codecov.io/bash) -f coverage.info -t ${CODECOV_ACCESS_TOKEN} -F interface;
+        bash <(curl -s https://codecov.io/bash) -f coverage.info -t ${CODECOV_ACCESS_TOKEN} -F gallery;
+        bash <(curl -s https://codecov.io/bash) -f coverage.info -t ${CODECOV_ACCESS_TOKEN} -F backends;
+        bash <(curl -s https://codecov.io/bash) -f coverage.info -t ${CODECOV_ACCESS_TOKEN} -F tests;
+        bash <(curl -s https://codecov.io/bash) -f coverage.info -t ${CODECOV_ACCESS_TOKEN} -F examples;
+      fi
+  artifacts:
+    paths:
+      - build/*.junit
+    reports:
+      junit: build/*.junit
+
+
 # ----------------------------------------------------------------------------------------
 # CUDA backends
 # ----------------------------------------------------------------------------------------
diff --git a/Makefile b/Makefile
index 5331ca3d..3a03310e 100644
--- a/Makefile
+++ b/Makefile
@@ -349,6 +349,10 @@ mfemexamples     := $(mfemexamples.cpp:examples/mfem/%.cpp=$(OBJDIR)/mfem-%)
 # Nek5K Examples
 nekexamples := $(OBJDIR)/nek-bps
 
+# Rust QFunction Examples
+rustqfunctions.c       := $(sort $(wildcard examples/rust-qfunctions/*.c))
+rustqfunctionsexamples := $(rustqfunctions.c:examples/rust-qfunctions/%.c=$(OBJDIR)/rustqfunctions-%)
+
 # PETSc Examples
 petscexamples.c := $(wildcard examples/petsc/*.c)
 petscexamples   := $(petscexamples.c:examples/petsc/%.c=$(OBJDIR)/petsc-%)
@@ -733,6 +737,11 @@ $(OBJDIR)/nek-bps : examples/nek/bps/bps.usr examples/nek/nek-examples.sh $(libc
 	mv examples/nek/build/bps $(OBJDIR)/bps
 	cp examples/nek/nek-examples.sh $(OBJDIR)/nek-bps
 
+# Rust QFunctions
+$(OBJDIR)/rustqfunctions-% : examples/rust-qfunctions/%.c $(libceed) | $$(@D)/.DIR
+	+$(MAKE) -C examples/rust-qfunctions CEED_DIR=`pwd`
+	cp examples/rust-qfunctions/$* $@
+
 # PETSc
 # Several executables have common utilities, but we can't build the utilities
 # from separate submake invocations because they'll compete with each
@@ -763,19 +772,22 @@ $(OBJDIR)/solids-% : examples/solids/%.c examples/solids/%.h \
 	  PETSC_DIR="$(abspath $(PETSC_DIR))" OPT="$(OPT)" $*
 	cp examples/solids/$* $@
 
-examples : $(allexamples)
-ceedexamples : $(examples)
-nekexamples : $(nekexamples)
-mfemexamples : $(mfemexamples)
+examples      : $(allexamples)
+ceedexamples  : $(examples)
+nekexamples   : $(nekexamples)
+mfemexamples  : $(mfemexamples)
 petscexamples : $(petscexamples)
 
+rustqfunctionsexamples : $(rustqfunctionsexamples)
+
 external_examples := \
 	$(if $(MFEM_DIR),$(mfemexamples)) \
 	$(if $(PETSC_DIR),$(petscexamples)) \
 	$(if $(NEK5K_DIR),$(nekexamples)) \
 	$(if $(DEAL_II_DIR),$(dealiiexamples)) \
 	$(if $(PETSC_DIR),$(fluidsexamples)) \
-	$(if $(PETSC_DIR),$(solidsexamples))
+	$(if $(PETSC_DIR),$(solidsexamples)) \
+	$(rustqfunctionsexamples)
 
 allexamples = $(examples) $(external_examples)
 
diff --git a/backends/cuda/ceed-cuda-compile.cpp b/backends/cuda/ceed-cuda-compile.cpp
index 0399168a..c73a988a 100644
--- a/backends/cuda/ceed-cuda-compile.cpp
+++ b/backends/cuda/ceed-cuda-compile.cpp
@@ -37,10 +37,12 @@
     CeedChk_Nvrtc(ceed, ierr_q_); \
   } while (0)
 
+#define CeedCallSystem(ceed, command, message) CeedCallBackend(CeedCallSystem_Core(ceed, command, message))
+
 //------------------------------------------------------------------------------
 // Call system command and capture stdout + stderr
 //------------------------------------------------------------------------------
-static int CeedCallSystem(Ceed ceed, const char *command, const char *message) {
+static int CeedCallSystem_Core(Ceed ceed, const char *command, const char *message) {
   CeedDebug(ceed, "Running command:\n$ %s\n", command);
   FILE *output_stream = popen((command + std::string(" 2>&1")).c_str(), "r");
 
@@ -245,32 +247,32 @@ static int CeedCompileCore_Cuda(Ceed ceed, const char *source, const bool throw_
 
     CeedCallBackend(CeedRestoreRustSourceRoots(ceed, &rust_source_dirs));
 
-    char* rust_toolchain = std::getenv("RUST_TOOLCHAIN");
+    char *rust_toolchain = std::getenv("RUST_TOOLCHAIN");
 
-    if(rust_toolchain == nullptr){
-        rust_toolchain = "nightly";
-        setenv("RUST_TOOLCHAIN", "nightly", 0);
+    if (rust_toolchain == nullptr) {
+      rust_toolchain = (char *)"nightly";
+      setenv("RUST_TOOLCHAIN", "nightly", 0);
     }
 
     // Compile Rust crate(s) needed
     std::string command;
 
     for (CeedInt i = 0; i < num_rust_source_dirs; i++) {
-      command = "cargo +" + std::string(rust_toolchain) + " build --release --target nvptx64-nvidia-cuda --config " + rust_dirs[i] + "/.cargo/config.toml --manifest-path " +
-                rust_dirs[i] + "/Cargo.toml";
-      CeedCallBackend(CeedCallSystem(ceed, command.c_str(), "build Rust crate"));
+      command = "cargo +" + std::string(rust_toolchain) + " build --release --target nvptx64-nvidia-cuda --config " + rust_dirs[i] +
+                "/.cargo/config.toml --manifest-path " + rust_dirs[i] + "/Cargo.toml";
+      CeedCallSystem(ceed, command.c_str(), "build Rust crate");
     }
 
     // Compile wrapper kernel
     command = "clang++ -flto=thin --cuda-gpu-arch=sm_" + std::to_string(prop.major) + std::to_string(prop.minor) +
               " --cuda-device-only -emit-llvm -S temp_kernel_source.cu -o temp_kernel.ll ";
     command += opts[4];
-    CeedCallBackend(CeedCallSystem(ceed, command.c_str(), "JiT kernel source"));
+    CeedCallSystem(ceed, command.c_str(), "JiT kernel source");
 
     // the find command finds the rust-installed llvm-link tool and runs it
-    command =
-        "$(find $(rustup run " + std::string(rust_toolchain) + " rustc --print sysroot) -name llvm-link) temp_kernel.ll --ignore-non-bitcode --internalize --only-needed -S -o "
-        "temp_kernel_linked.ll  ";
+    command = "$(find $(rustup run " + std::string(rust_toolchain) +
+              " rustc --print sysroot) -name llvm-link) temp_kernel.ll --ignore-non-bitcode --internalize --only-needed -S -o "
+              "temp_kernel_linked.ll  ";
 
     // Searches for .a files in rust directoy
     // Note: this is necessary because rust crate names may not match the folder they are in
@@ -295,15 +297,17 @@ static int CeedCompileCore_Cuda(Ceed ceed, const char *source, const bool throw_
 
     // Link, optimize, and compile final CUDA kernel
     // note that the find command is used to find the rust-installed llvm tool
-    CeedCallBackend(CeedCallSystem(ceed, command.c_str(), "link C and Rust source"));
-    CeedCallBackend(CeedCallSystem(
-        ceed, ("$(find $(rustup run " + std::string(rust_toolchain) + " rustc --print sysroot) -name opt) --passes internalize,inline temp_kernel_linked.ll -o temp_kernel_opt.bc").c_str(),
-        "optimize linked C and Rust source"));
-    CeedCallBackend(CeedCallSystem(ceed,
-                                   ("$(find $(rustup run " + std::string(rust_toolchain) + " rustc --print sysroot) -name llc) -O3 -mcpu=sm_" + std::to_string(prop.major) +
-                                    std::to_string(prop.minor) + " temp_kernel_opt.bc -o temp_kernel_final.ptx")
-                                       .c_str(),
-                                   "compile final CUDA kernel"));
+    CeedCallSystem(ceed, command.c_str(), "link C and Rust source");
+    CeedCallSystem(ceed,
+                   ("$(find $(rustup run " + std::string(rust_toolchain) +
+                    " rustc --print sysroot) -name opt) --passes internalize,inline temp_kernel_linked.ll -o temp_kernel_opt.bc")
+                       .c_str(),
+                   "optimize linked C and Rust source");
+    CeedCallSystem(ceed,
+                   ("$(find $(rustup run " + std::string(rust_toolchain) + " rustc --print sysroot) -name llc) -O3 -mcpu=sm_" +
+                    std::to_string(prop.major) + std::to_string(prop.minor) + " temp_kernel_opt.bc -o temp_kernel_final.ptx")
+                       .c_str(),
+                   "compile final CUDA kernel");
 
     ifstream      ptxfile("temp_kernel_final.ptx");
     ostringstream sstr;
diff --git a/examples/rust-qfunctions/ex1-volume b/examples/rust-qfunctions/ex1-volume
index 96d7079d..a9de7df2 100755
Binary files a/examples/rust-qfunctions/ex1-volume and b/examples/rust-qfunctions/ex1-volume differ
* Unmerged path examples/rust-qfunctions/ex1-volume.c
diff --git a/examples/rust-qfunctions/ex1-volume.c b/examples/rust-qfunctions/ex1-volume.c
index ce9d5cd4..f93d29ef 100644
--- a/examples/rust-qfunctions/ex1-volume.c
+++ b/examples/rust-qfunctions/ex1-volume.c
@@ -122,12 +122,12 @@ int main(int argc, const char *argv[]) {
   CeedInit(ceed_spec, &ceed);
 
   // Add the path to the Rust crate to the ceed object.
-    {
-      char  root[2048] = __FILE__;
-      char *last_slash = strrchr(root, '/');
-      strncpy(last_slash + 1, "ex1-volume-rs", 14);
-      CeedAddRustSourceRoot(ceed, root);
-    }
+  {
+    char  root[2048] = __FILE__;
+    char *last_slash = strrchr(root, '/');
+    strncpy(last_slash + 1, "ex1-volume-rs", 14);
+    CeedAddRustSourceRoot(ceed, root);
+  }
 
   // Construct the mesh and solution bases.
   CeedBasis mesh_basis, sol_basis;
* Unmerged path examples/rust-qfunctions/ex1-volume.h
diff --git a/temp_kernel.ll b/temp_kernel.ll
deleted file mode 100644
index 917ef198..00000000
--- a/temp_kernel.ll
+++ /dev/null
@@ -1,1639 +0,0 @@
-; ModuleID = 'temp_kernel_source.cu'
-source_filename = "temp_kernel_source.cu"
-target datalayout = "e-i64:64-i128:128-v16:16-v32:32-n16:32:64"
-target triple = "nvptx64-nvidia-cuda"
-
-%struct.__cuda_builtin_threadIdx_t = type { i8 }
-%struct.__cuda_builtin_blockDim_t = type { i8 }
-%struct.__cuda_builtin_blockIdx_t = type { i8 }
-%struct.__cuda_builtin_gridDim_t = type { i8 }
-%struct.FieldsInt_Cuda = type { [16 x ptr], [16 x ptr] }
-%struct.Fields_Cuda = type { [16 x ptr], [16 x ptr] }
-%struct.Points_Cuda = type { i32, ptr, ptr, ptr }
-%struct.SharedData_Cuda = type { i32, i32, i32, i32, ptr }
-
-$_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd = comdat any
-
-$_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd = comdat any
-
-$_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd = comdat any
-
-$_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd = comdat any
-
-$_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-@threadIdx = extern_weak dso_local addrspace(1) global %struct.__cuda_builtin_threadIdx_t, align 1
-@blockDim = extern_weak dso_local addrspace(1) global %struct.__cuda_builtin_blockDim_t, align 1
-@slice = external dso_local addrspace(3) global [0 x double], align 8
-@_ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0 = internal addrspace(3) global [30 x double] undef, align 8
-@blockIdx = extern_weak dso_local addrspace(1) global %struct.__cuda_builtin_blockIdx_t, align 1
-@gridDim = extern_weak dso_local addrspace(1) global %struct.__cuda_builtin_gridDim_t, align 1
-
-; Function Attrs: convergent mustprogress noinline norecurse nounwind optnone
-define dso_local ptx_kernel void @CeedKernelCudaGenOperator_apply_mass(i32 noundef %0, ptr noundef %1, ptr noundef byval(%struct.FieldsInt_Cuda) align 8 %2, ptr noundef byval(%struct.Fields_Cuda) align 8 %3, ptr noundef byval(%struct.Fields_Cuda) align 8 %4, ptr noundef byval(%struct.Fields_Cuda) align 8 %5, ptr noundef %6, ptr noundef byval(%struct.Points_Cuda) align 8 %7) #0 {
-  %9 = alloca i32, align 4
-  %10 = alloca ptr, align 8
-  %11 = alloca ptr, align 8
-  %12 = alloca ptr, align 8
-  %13 = alloca ptr, align 8
-  %14 = alloca ptr, align 8
-  %15 = alloca i32, align 4
-  %16 = alloca i32, align 4
-  %17 = alloca %struct.SharedData_Cuda, align 8
-  %18 = alloca i32, align 4
-  %19 = alloca i32, align 4
-  %20 = alloca i32, align 4
-  %21 = alloca i32, align 4
-  %22 = alloca i32, align 4
-  %23 = alloca i32, align 4
-  %24 = alloca i32, align 4
-  %25 = alloca i32, align 4
-  %26 = alloca i32, align 4
-  %27 = alloca ptr, align 8
-  %28 = alloca i32, align 4
-  %29 = alloca [6 x double], align 8
-  %30 = alloca ptr, align 8
-  %31 = alloca i32, align 4
-  %32 = alloca i32, align 4
-  %33 = alloca [6 x double], align 8
-  %34 = alloca [6 x double], align 8
-  %35 = alloca i32, align 4
-  %36 = alloca i32, align 4
-  %37 = alloca i32, align 4
-  %38 = alloca ptr, align 8
-  %39 = alloca [6 x double], align 8
-  %40 = alloca ptr, align 8
-  %41 = alloca ptr, align 8
-  %42 = alloca ptr, align 8
-  %43 = alloca [2 x ptr], align 8
-  %44 = alloca [1 x ptr], align 8
-  %45 = alloca ptr, align 8
-  %46 = alloca i32, align 4
-  %47 = alloca i32, align 4
-  store i32 %0, ptr %9, align 4
-  store ptr %1, ptr %10, align 8
-  store ptr %6, ptr %11, align 8
-  %48 = getelementptr inbounds nuw %struct.Fields_Cuda, ptr %3, i32 0, i32 0
-  %49 = getelementptr inbounds [16 x ptr], ptr %48, i64 0, i64 0
-  %50 = load ptr, ptr %49, align 8
-  store ptr %50, ptr %12, align 8
-  %51 = getelementptr inbounds nuw %struct.Fields_Cuda, ptr %3, i32 0, i32 0
-  %52 = getelementptr inbounds [16 x ptr], ptr %51, i64 0, i64 1
-  %53 = load ptr, ptr %52, align 8
-  store ptr %53, ptr %13, align 8
-  %54 = getelementptr inbounds nuw %struct.Fields_Cuda, ptr %3, i32 0, i32 1
-  %55 = getelementptr inbounds [16 x ptr], ptr %54, i64 0, i64 0
-  %56 = load ptr, ptr %55, align 8
-  store ptr %56, ptr %14, align 8
-  store i32 3, ptr %15, align 4
-  store i32 6, ptr %16, align 4
-  %57 = call noundef range(i32 0, 1024) i32 @llvm.nvvm.read.ptx.sreg.tid.x()
-  %58 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 0
-  store i32 %57, ptr %58, align 8
-  %59 = call noundef range(i32 0, 1024) i32 @llvm.nvvm.read.ptx.sreg.tid.y()
-  %60 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 1
-  store i32 %59, ptr %60, align 4
-  %61 = call noundef range(i32 0, 64) i32 @llvm.nvvm.read.ptx.sreg.tid.z()
-  %62 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 2
-  store i32 %61, ptr %62, align 8
-  %63 = call noundef range(i32 0, 1024) i32 @llvm.nvvm.read.ptx.sreg.tid.x()
-  %64 = call noundef range(i32 0, 1024) i32 @llvm.nvvm.read.ptx.sreg.tid.y()
-  %65 = call noundef range(i32 1, 1025) i32 @llvm.nvvm.read.ptx.sreg.ntid.x()
-  %66 = mul i32 %64, %65
-  %67 = add i32 %63, %66
-  %68 = call noundef range(i32 0, 64) i32 @llvm.nvvm.read.ptx.sreg.tid.z()
-  %69 = call noundef range(i32 1, 1025) i32 @llvm.nvvm.read.ptx.sreg.ntid.y()
-  %70 = mul i32 %68, %69
-  %71 = call noundef range(i32 1, 1025) i32 @llvm.nvvm.read.ptx.sreg.ntid.x()
-  %72 = mul i32 %70, %71
-  %73 = add i32 %67, %72
-  %74 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 3
-  store i32 %73, ptr %74, align 4
-  %75 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 2
-  %76 = load i32, ptr %75, align 8
-  %77 = mul nsw i32 %76, 6
-  %78 = mul nsw i32 %77, 6
-  %79 = sext i32 %78 to i64
-  %80 = getelementptr inbounds double, ptr addrspacecast (ptr addrspace(3) @slice to ptr), i64 %79
-  %81 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 4
-  store ptr %80, ptr %81, align 8
-  store i32 3, ptr %18, align 4
-  store i32 5, ptr %19, align 4
-  store i32 1, ptr %20, align 4
-  %82 = getelementptr inbounds nuw %struct.Fields_Cuda, ptr %4, i32 0, i32 0
-  %83 = getelementptr inbounds [16 x ptr], ptr %82, i64 0, i64 0
-  %84 = load ptr, ptr %83, align 8
-  call void @_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %17, ptr noundef %84, ptr noundef addrspacecast (ptr addrspace(3) @_ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0 to ptr)) #5
-  store i32 3, ptr %21, align 4
-  store i32 6, ptr %22, align 4
-  store i32 1, ptr %23, align 4
-  store i32 3, ptr %24, align 4
-  store i32 5, ptr %25, align 4
-  store i32 1, ptr %26, align 4
-  store ptr addrspacecast (ptr addrspace(3) @_ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0 to ptr), ptr %27, align 8
-  call void @llvm.nvvm.barrier0()
-  %85 = call noundef range(i32 0, 2147483647) i32 @llvm.nvvm.read.ptx.sreg.ctaid.x()
-  %86 = call noundef range(i32 1, 65) i32 @llvm.nvvm.read.ptx.sreg.ntid.z()
-  %87 = mul i32 %85, %86
-  %88 = call noundef range(i32 0, 64) i32 @llvm.nvvm.read.ptx.sreg.tid.z()
-  %89 = add i32 %87, %88
-  store i32 %89, ptr %28, align 4
-  br label %90
-
-90:                                               ; preds = %131, %8
-  %91 = load i32, ptr %28, align 4
-  %92 = load i32, ptr %9, align 4
-  %93 = icmp slt i32 %91, %92
-  br i1 %93, label %94, label %137
-
-94:                                               ; preds = %90
-  %95 = getelementptr inbounds [6 x double], ptr %29, i64 0, i64 0
-  store ptr %95, ptr %30, align 8
-  store i32 274625, ptr %31, align 4
-  store i32 274625, ptr %32, align 4
-  %96 = load i32, ptr %28, align 4
-  %97 = getelementptr inbounds nuw %struct.FieldsInt_Cuda, ptr %2, i32 0, i32 0
-  %98 = getelementptr inbounds [16 x ptr], ptr %97, i64 0, i64 0
-  %99 = load ptr, ptr %98, align 8
-  %100 = load ptr, ptr %12, align 8
-  %101 = load ptr, ptr %30, align 8
-  call void @_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %17, i32 noundef 274625, i32 noundef %96, ptr noundef %99, ptr noundef %100, ptr noundef %101) #5
-  %102 = load ptr, ptr %30, align 8
-  %103 = getelementptr inbounds [6 x double], ptr %33, i64 0, i64 0
-  call void @_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %17, ptr noundef %102, ptr noundef addrspacecast (ptr addrspace(3) @_ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0 to ptr), ptr noundef %103) #5
-  store i32 1, ptr %35, align 4
-  store i32 884736, ptr %36, align 4
-  store i32 216, ptr %37, align 4
-  %104 = load i32, ptr %28, align 4
-  %105 = load ptr, ptr %13, align 8
-  %106 = getelementptr inbounds [6 x double], ptr %34, i64 0, i64 0
-  call void @_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %17, i32 noundef %104, ptr noundef %105, ptr noundef %106) #5
-  %107 = getelementptr inbounds [6 x double], ptr %34, i64 0, i64 0
-  store ptr %107, ptr %38, align 8
-  %108 = getelementptr inbounds [6 x double], ptr %33, i64 0, i64 0
-  store ptr %108, ptr %40, align 8
-  %109 = load ptr, ptr %38, align 8
-  store ptr %109, ptr %41, align 8
-  %110 = getelementptr inbounds [6 x double], ptr %39, i64 0, i64 0
-  store ptr %110, ptr %42, align 8
-  %111 = load ptr, ptr %40, align 8
-  %112 = getelementptr inbounds [2 x ptr], ptr %43, i64 0, i64 0
-  store ptr %111, ptr %112, align 8
-  %113 = load ptr, ptr %41, align 8
-  %114 = getelementptr inbounds [2 x ptr], ptr %43, i64 0, i64 1
-  store ptr %113, ptr %114, align 8
-  %115 = load ptr, ptr %42, align 8
-  %116 = getelementptr inbounds [1 x ptr], ptr %44, i64 0, i64 0
-  store ptr %115, ptr %116, align 8
-  %117 = load ptr, ptr %10, align 8
-  %118 = getelementptr inbounds [2 x ptr], ptr %43, i64 0, i64 0
-  %119 = getelementptr inbounds [1 x ptr], ptr %44, i64 0, i64 0
-  %120 = call noundef i32 @_ZL10apply_massPviPKPKdPKPd(ptr noundef %117, i32 noundef 6, ptr noundef %118, ptr noundef %119) #5
-  %121 = getelementptr inbounds [6 x double], ptr %29, i64 0, i64 0
-  store ptr %121, ptr %45, align 8
-  %122 = getelementptr inbounds [6 x double], ptr %39, i64 0, i64 0
-  %123 = load ptr, ptr %27, align 8
-  %124 = load ptr, ptr %45, align 8
-  call void @_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %17, ptr noundef %122, ptr noundef %123, ptr noundef %124) #5
-  store i32 274625, ptr %46, align 4
-  store i32 274625, ptr %47, align 4
-  %125 = load i32, ptr %28, align 4
-  %126 = getelementptr inbounds nuw %struct.FieldsInt_Cuda, ptr %2, i32 0, i32 1
-  %127 = getelementptr inbounds [16 x ptr], ptr %126, i64 0, i64 0
-  %128 = load ptr, ptr %127, align 8
-  %129 = load ptr, ptr %45, align 8
-  %130 = load ptr, ptr %14, align 8
-  call void @_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %17, i32 noundef 274625, i32 noundef %125, ptr noundef %128, ptr noundef %129, ptr noundef %130) #5
-  br label %131
-
-131:                                              ; preds = %94
-  %132 = call noundef range(i32 1, -2147483648) i32 @llvm.nvvm.read.ptx.sreg.nctaid.x()
-  %133 = call noundef range(i32 1, 65) i32 @llvm.nvvm.read.ptx.sreg.ntid.z()
-  %134 = mul i32 %132, %133
-  %135 = load i32, ptr %28, align 4
-  %136 = add i32 %135, %134
-  store i32 %136, ptr %28, align 4
-  br label %90, !llvm.loop !8
-
-137:                                              ; preds = %90
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noalias noundef %1, ptr noundef %2) #1 comdat {
-  %4 = alloca ptr, align 8
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca i32, align 4
-  store ptr %0, ptr %4, align 8
-  store ptr %1, ptr %5, align 8
-  store ptr %2, ptr %6, align 8
-  %8 = load ptr, ptr %4, align 8
-  %9 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %8, i32 0, i32 3
-  %10 = load i32, ptr %9, align 4
-  store i32 %10, ptr %7, align 4
-  br label %11
-
-11:                                               ; preds = %24, %3
-  %12 = load i32, ptr %7, align 4
-  %13 = icmp slt i32 %12, 30
-  br i1 %13, label %14, label %32
-
-14:                                               ; preds = %11
-  %15 = load ptr, ptr %5, align 8
-  %16 = load i32, ptr %7, align 4
-  %17 = sext i32 %16 to i64
-  %18 = getelementptr inbounds double, ptr %15, i64 %17
-  %19 = load double, ptr %18, align 8
-  %20 = load ptr, ptr %6, align 8
-  %21 = load i32, ptr %7, align 4
-  %22 = sext i32 %21 to i64
-  %23 = getelementptr inbounds double, ptr %20, i64 %22
-  store double %19, ptr %23, align 8
-  br label %24
-
-24:                                               ; preds = %14
-  %25 = call noundef range(i32 1, 1025) i32 @llvm.nvvm.read.ptx.sreg.ntid.x()
-  %26 = call noundef range(i32 1, 1025) i32 @llvm.nvvm.read.ptx.sreg.ntid.y()
-  %27 = mul i32 %25, %26
-  %28 = call noundef range(i32 1, 65) i32 @llvm.nvvm.read.ptx.sreg.ntid.z()
-  %29 = mul i32 %27, %28
-  %30 = load i32, ptr %7, align 4
-  %31 = add i32 %30, %29
-  store i32 %31, ptr %7, align 4
-  br label %11, !llvm.loop !10
-
-32:                                               ; preds = %11
-  ret void
-}
-
-; Function Attrs: convergent nocallback nounwind
-declare void @llvm.nvvm.barrier0() #2
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %0, i32 noundef %1, i32 noundef %2, ptr noalias noundef %3, ptr noalias noundef %4, ptr noalias noundef %5) #1 comdat {
-  %7 = alloca ptr, align 8
-  %8 = alloca i32, align 4
-  %9 = alloca i32, align 4
-  %10 = alloca ptr, align 8
-  %11 = alloca ptr, align 8
-  %12 = alloca ptr, align 8
-  %13 = alloca i32, align 4
-  %14 = alloca i32, align 4
-  %15 = alloca i32, align 4
-  %16 = alloca i32, align 4
-  store ptr %0, ptr %7, align 8
-  store i32 %1, ptr %8, align 4
-  store i32 %2, ptr %9, align 4
-  store ptr %3, ptr %10, align 8
-  store ptr %4, ptr %11, align 8
-  store ptr %5, ptr %12, align 8
-  %17 = load ptr, ptr %7, align 8
-  %18 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 0
-  %19 = load i32, ptr %18, align 8
-  %20 = icmp slt i32 %19, 5
-  br i1 %20, label %21, label %80
-
-21:                                               ; preds = %6
-  %22 = load ptr, ptr %7, align 8
-  %23 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %22, i32 0, i32 1
-  %24 = load i32, ptr %23, align 4
-  %25 = icmp slt i32 %24, 5
-  br i1 %25, label %26, label %80
-
-26:                                               ; preds = %21
-  store i32 0, ptr %13, align 4
-  br label %27
-
-27:                                               ; preds = %76, %26
-  %28 = load i32, ptr %13, align 4
-  %29 = icmp slt i32 %28, 5
-  br i1 %29, label %30, label %79
-
-30:                                               ; preds = %27
-  %31 = load ptr, ptr %7, align 8
-  %32 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %31, i32 0, i32 0
-  %33 = load i32, ptr %32, align 8
-  %34 = load ptr, ptr %7, align 8
-  %35 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %34, i32 0, i32 1
-  %36 = load i32, ptr %35, align 4
-  %37 = mul nsw i32 %36, 5
-  %38 = add nsw i32 %33, %37
-  %39 = load i32, ptr %13, align 4
-  %40 = mul nsw i32 %39, 5
-  %41 = mul nsw i32 %40, 5
-  %42 = add nsw i32 %38, %41
-  store i32 %42, ptr %14, align 4
-  %43 = load ptr, ptr %10, align 8
-  %44 = load i32, ptr %14, align 4
-  %45 = load i32, ptr %9, align 4
-  %46 = mul nsw i32 %45, 5
-  %47 = mul nsw i32 %46, 5
-  %48 = mul nsw i32 %47, 5
-  %49 = add nsw i32 %44, %48
-  %50 = sext i32 %49 to i64
-  %51 = getelementptr inbounds i32, ptr %43, i64 %50
-  %52 = load i32, ptr %51, align 4
-  store i32 %52, ptr %15, align 4
-  store i32 0, ptr %16, align 4
-  br label %53
-
-53:                                               ; preds = %72, %30
-  %54 = load i32, ptr %16, align 4
-  %55 = icmp slt i32 %54, 1
-  br i1 %55, label %56, label %75
-
-56:                                               ; preds = %53
-  %57 = load ptr, ptr %11, align 8
-  %58 = load i32, ptr %15, align 4
-  %59 = load i32, ptr %16, align 4
-  %60 = mul nsw i32 274625, %59
-  %61 = add nsw i32 %58, %60
-  %62 = sext i32 %61 to i64
-  %63 = getelementptr inbounds double, ptr %57, i64 %62
-  %64 = load double, ptr %63, align 8
-  %65 = load ptr, ptr %12, align 8
-  %66 = load i32, ptr %13, align 4
-  %67 = load i32, ptr %16, align 4
-  %68 = mul nsw i32 %67, 5
-  %69 = add nsw i32 %66, %68
-  %70 = sext i32 %69 to i64
-  %71 = getelementptr inbounds double, ptr %65, i64 %70
-  store double %64, ptr %71, align 8
-  br label %72
-
-72:                                               ; preds = %56
-  %73 = load i32, ptr %16, align 4
-  %74 = add nsw i32 %73, 1
-  store i32 %74, ptr %16, align 4
-  br label %53, !llvm.loop !11
-
-75:                                               ; preds = %53
-  br label %76
-
-76:                                               ; preds = %75
-  %77 = load i32, ptr %13, align 4
-  %78 = add nsw i32 %77, 1
-  store i32 %78, ptr %13, align 4
-  br label %27, !llvm.loop !12
-
-79:                                               ; preds = %27
-  br label %80
-
-80:                                               ; preds = %79, %21, %6
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noalias noundef %1, ptr noundef %2, ptr noalias noundef %3) #1 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [6 x double], align 8
-  %10 = alloca [6 x double], align 8
-  %11 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %11, align 4
-  br label %12
-
-12:                                               ; preds = %36, %4
-  %13 = load i32, ptr %11, align 4
-  %14 = icmp slt i32 %13, 1
-  br i1 %14, label %15, label %39
-
-15:                                               ; preds = %12
-  %16 = load ptr, ptr %5, align 8
-  %17 = load ptr, ptr %6, align 8
-  %18 = load i32, ptr %11, align 4
-  %19 = mul nsw i32 %18, 5
-  %20 = sext i32 %19 to i64
-  %21 = getelementptr inbounds double, ptr %17, i64 %20
-  %22 = load ptr, ptr %7, align 8
-  %23 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 0
-  call void @_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %16, ptr noundef %21, ptr noundef %22, ptr noundef %23) #5
-  %24 = load ptr, ptr %5, align 8
-  %25 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 0
-  %26 = load ptr, ptr %7, align 8
-  %27 = getelementptr inbounds [6 x double], ptr %10, i64 0, i64 0
-  call void @_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %24, ptr noundef %25, ptr noundef %26, ptr noundef %27) #5
-  %28 = load ptr, ptr %5, align 8
-  %29 = getelementptr inbounds [6 x double], ptr %10, i64 0, i64 0
-  %30 = load ptr, ptr %7, align 8
-  %31 = load ptr, ptr %8, align 8
-  %32 = load i32, ptr %11, align 4
-  %33 = mul nsw i32 %32, 6
-  %34 = sext i32 %33 to i64
-  %35 = getelementptr inbounds double, ptr %31, i64 %34
-  call void @_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %28, ptr noundef %29, ptr noundef %30, ptr noundef %35) #5
-  br label %36
-
-36:                                               ; preds = %15
-  %37 = load i32, ptr %11, align 4
-  %38 = add nsw i32 %37, 1
-  store i32 %38, ptr %11, align 4
-  br label %12, !llvm.loop !13
-
-39:                                               ; preds = %12
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %0, i32 noundef %1, ptr noalias noundef %2, ptr noalias noundef %3) #1 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca i32, align 4
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca i32, align 4
-  %10 = alloca i32, align 4
-  %11 = alloca i32, align 4
-  %12 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store i32 %1, ptr %6, align 4
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  %13 = load ptr, ptr %5, align 8
-  %14 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %13, i32 0, i32 0
-  %15 = load i32, ptr %14, align 8
-  %16 = icmp slt i32 %15, 6
-  br i1 %16, label %17, label %71
-
-17:                                               ; preds = %4
-  %18 = load ptr, ptr %5, align 8
-  %19 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %18, i32 0, i32 1
-  %20 = load i32, ptr %19, align 4
-  %21 = icmp slt i32 %20, 6
-  br i1 %21, label %22, label %71
-
-22:                                               ; preds = %17
-  store i32 0, ptr %9, align 4
-  br label %23
-
-23:                                               ; preds = %67, %22
-  %24 = load i32, ptr %9, align 4
-  %25 = icmp slt i32 %24, 6
-  br i1 %25, label %26, label %70
-
-26:                                               ; preds = %23
-  %27 = load ptr, ptr %5, align 8
-  %28 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %27, i32 0, i32 0
-  %29 = load i32, ptr %28, align 8
-  %30 = load ptr, ptr %5, align 8
-  %31 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %30, i32 0, i32 1
-  %32 = load i32, ptr %31, align 4
-  %33 = mul nsw i32 %32, 6
-  %34 = add nsw i32 %29, %33
-  %35 = load i32, ptr %9, align 4
-  %36 = mul nsw i32 %35, 6
-  %37 = mul nsw i32 %36, 6
-  %38 = add nsw i32 %34, %37
-  store i32 %38, ptr %10, align 4
-  %39 = load i32, ptr %10, align 4
-  %40 = mul nsw i32 %39, 1
-  %41 = load i32, ptr %6, align 4
-  %42 = mul nsw i32 %41, 216
-  %43 = add nsw i32 %40, %42
-  store i32 %43, ptr %11, align 4
-  store i32 0, ptr %12, align 4
-  br label %44
-
-44:                                               ; preds = %63, %26
-  %45 = load i32, ptr %12, align 4
-  %46 = icmp slt i32 %45, 1
-  br i1 %46, label %47, label %66
-
-47:                                               ; preds = %44
-  %48 = load ptr, ptr %7, align 8
-  %49 = load i32, ptr %11, align 4
-  %50 = load i32, ptr %12, align 4
-  %51 = mul nsw i32 %50, 884736
-  %52 = add nsw i32 %49, %51
-  %53 = sext i32 %52 to i64
-  %54 = getelementptr inbounds double, ptr %48, i64 %53
-  %55 = load double, ptr %54, align 8
-  %56 = load ptr, ptr %8, align 8
-  %57 = load i32, ptr %9, align 4
-  %58 = load i32, ptr %12, align 4
-  %59 = mul nsw i32 %58, 6
-  %60 = add nsw i32 %57, %59
-  %61 = sext i32 %60 to i64
-  %62 = getelementptr inbounds double, ptr %56, i64 %61
-  store double %55, ptr %62, align 8
-  br label %63
-
-63:                                               ; preds = %47
-  %64 = load i32, ptr %12, align 4
-  %65 = add nsw i32 %64, 1
-  store i32 %65, ptr %12, align 4
-  br label %44, !llvm.loop !14
-
-66:                                               ; preds = %44
-  br label %67
-
-67:                                               ; preds = %66
-  %68 = load i32, ptr %9, align 4
-  %69 = add nsw i32 %68, 1
-  store i32 %69, ptr %9, align 4
-  br label %23, !llvm.loop !15
-
-70:                                               ; preds = %23
-  br label %71
-
-71:                                               ; preds = %70, %17, %4
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define internal noundef i32 @_ZL10apply_massPviPKPKdPKPd(ptr noundef %0, i32 noundef %1, ptr noundef %2, ptr noundef %3) #1 {
-  %5 = alloca ptr, align 8
-  %6 = alloca i32, align 4
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  store ptr %0, ptr %5, align 8
-  store i32 %1, ptr %6, align 4
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  %9 = load ptr, ptr %5, align 8
-  %10 = load i32, ptr %6, align 4
-  %11 = load ptr, ptr %7, align 8
-  %12 = load ptr, ptr %8, align 8
-  %13 = call i32 @apply_mass_rs(ptr noundef %9, i32 noundef %10, ptr noundef %11, ptr noundef %12) #5
-  ret i32 %13
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noalias noundef %1, ptr noundef %2, ptr noalias noundef %3) #1 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [6 x double], align 8
-  %10 = alloca [6 x double], align 8
-  %11 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %11, align 4
-  br label %12
-
-12:                                               ; preds = %36, %4
-  %13 = load i32, ptr %11, align 4
-  %14 = icmp slt i32 %13, 1
-  br i1 %14, label %15, label %39
-
-15:                                               ; preds = %12
-  %16 = load ptr, ptr %5, align 8
-  %17 = load ptr, ptr %6, align 8
-  %18 = load i32, ptr %11, align 4
-  %19 = mul nsw i32 %18, 6
-  %20 = sext i32 %19 to i64
-  %21 = getelementptr inbounds double, ptr %17, i64 %20
-  %22 = load ptr, ptr %7, align 8
-  %23 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 0
-  call void @_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %16, ptr noundef %21, ptr noundef %22, ptr noundef %23) #5
-  %24 = load ptr, ptr %5, align 8
-  %25 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 0
-  %26 = load ptr, ptr %7, align 8
-  %27 = getelementptr inbounds [6 x double], ptr %10, i64 0, i64 0
-  call void @_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %24, ptr noundef %25, ptr noundef %26, ptr noundef %27) #5
-  %28 = load ptr, ptr %5, align 8
-  %29 = getelementptr inbounds [6 x double], ptr %10, i64 0, i64 0
-  %30 = load ptr, ptr %7, align 8
-  %31 = load ptr, ptr %8, align 8
-  %32 = load i32, ptr %11, align 4
-  %33 = mul nsw i32 %32, 5
-  %34 = sext i32 %33 to i64
-  %35 = getelementptr inbounds double, ptr %31, i64 %34
-  call void @_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %28, ptr noundef %29, ptr noundef %30, ptr noundef %35) #5
-  br label %36
-
-36:                                               ; preds = %15
-  %37 = load i32, ptr %11, align 4
-  %38 = add nsw i32 %37, 1
-  store i32 %38, ptr %11, align 4
-  br label %12, !llvm.loop !16
-
-39:                                               ; preds = %12
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %0, i32 noundef %1, i32 noundef %2, ptr noalias noundef %3, ptr noalias noundef %4, ptr noalias noundef %5) #1 comdat {
-  %7 = alloca ptr, align 8
-  %8 = alloca i32, align 4
-  %9 = alloca i32, align 4
-  %10 = alloca ptr, align 8
-  %11 = alloca ptr, align 8
-  %12 = alloca ptr, align 8
-  %13 = alloca i32, align 4
-  %14 = alloca i32, align 4
-  %15 = alloca i32, align 4
-  %16 = alloca i32, align 4
-  store ptr %0, ptr %7, align 8
-  store i32 %1, ptr %8, align 4
-  store i32 %2, ptr %9, align 4
-  store ptr %3, ptr %10, align 8
-  store ptr %4, ptr %11, align 8
-  store ptr %5, ptr %12, align 8
-  %17 = load ptr, ptr %7, align 8
-  %18 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 0
-  %19 = load i32, ptr %18, align 8
-  %20 = icmp slt i32 %19, 5
-  br i1 %20, label %21, label %81
-
-21:                                               ; preds = %6
-  %22 = load ptr, ptr %7, align 8
-  %23 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %22, i32 0, i32 1
-  %24 = load i32, ptr %23, align 4
-  %25 = icmp slt i32 %24, 5
-  br i1 %25, label %26, label %81
-
-26:                                               ; preds = %21
-  store i32 0, ptr %13, align 4
-  br label %27
-
-27:                                               ; preds = %77, %26
-  %28 = load i32, ptr %13, align 4
-  %29 = icmp slt i32 %28, 5
-  br i1 %29, label %30, label %80
-
-30:                                               ; preds = %27
-  %31 = load ptr, ptr %7, align 8
-  %32 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %31, i32 0, i32 0
-  %33 = load i32, ptr %32, align 8
-  %34 = load ptr, ptr %7, align 8
-  %35 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %34, i32 0, i32 1
-  %36 = load i32, ptr %35, align 4
-  %37 = mul nsw i32 %36, 5
-  %38 = add nsw i32 %33, %37
-  %39 = load i32, ptr %13, align 4
-  %40 = mul nsw i32 %39, 5
-  %41 = mul nsw i32 %40, 5
-  %42 = add nsw i32 %38, %41
-  store i32 %42, ptr %14, align 4
-  %43 = load ptr, ptr %10, align 8
-  %44 = load i32, ptr %14, align 4
-  %45 = load i32, ptr %9, align 4
-  %46 = mul nsw i32 %45, 5
-  %47 = mul nsw i32 %46, 5
-  %48 = mul nsw i32 %47, 5
-  %49 = add nsw i32 %44, %48
-  %50 = sext i32 %49 to i64
-  %51 = getelementptr inbounds i32, ptr %43, i64 %50
-  %52 = load i32, ptr %51, align 4
-  store i32 %52, ptr %15, align 4
-  store i32 0, ptr %16, align 4
-  br label %53
-
-53:                                               ; preds = %73, %30
-  %54 = load i32, ptr %16, align 4
-  %55 = icmp slt i32 %54, 1
-  br i1 %55, label %56, label %76
-
-56:                                               ; preds = %53
-  %57 = load ptr, ptr %12, align 8
-  %58 = load i32, ptr %15, align 4
-  %59 = load i32, ptr %16, align 4
-  %60 = mul nsw i32 274625, %59
-  %61 = add nsw i32 %58, %60
-  %62 = sext i32 %61 to i64
-  %63 = getelementptr inbounds double, ptr %57, i64 %62
-  %64 = load ptr, ptr %11, align 8
-  %65 = load i32, ptr %13, align 4
-  %66 = load i32, ptr %16, align 4
-  %67 = mul nsw i32 %66, 5
-  %68 = add nsw i32 %65, %67
-  %69 = sext i32 %68 to i64
-  %70 = getelementptr inbounds double, ptr %64, i64 %69
-  %71 = load double, ptr %70, align 8
-  %72 = call contract noundef double @_ZL9atomicAddPdd(ptr noundef %63, double noundef %71) #5
-  br label %73
-
-73:                                               ; preds = %56
-  %74 = load i32, ptr %16, align 4
-  %75 = add nsw i32 %74, 1
-  store i32 %75, ptr %16, align 4
-  br label %53, !llvm.loop !17
-
-76:                                               ; preds = %53
-  br label %77
-
-77:                                               ; preds = %76
-  %78 = load i32, ptr %13, align 4
-  %79 = add nsw i32 %78, 1
-  store i32 %79, ptr %13, align 4
-  br label %27, !llvm.loop !18
-
-80:                                               ; preds = %27
-  br label %81
-
-81:                                               ; preds = %80, %21, %6
-  ret void
-}
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.tid.x() #3
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.tid.y() #3
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.tid.z() #3
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.ntid.x() #3
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.ntid.y() #3
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.ctaid.x() #3
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.ntid.z() #3
-
-; Function Attrs: convergent nounwind
-declare dso_local i32 @apply_mass_rs(ptr noundef, i32 noundef, ptr noundef, ptr noundef) #4
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.nctaid.x() #3
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #1 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [5 x double], align 8
-  %10 = alloca i32, align 4
-  %11 = alloca i32, align 4
-  %12 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %10, align 4
-  br label %13
-
-13:                                               ; preds = %30, %4
-  %14 = load i32, ptr %10, align 4
-  %15 = icmp slt i32 %14, 5
-  br i1 %15, label %16, label %33
-
-16:                                               ; preds = %13
-  %17 = load ptr, ptr %7, align 8
-  %18 = load i32, ptr %10, align 4
-  %19 = load ptr, ptr %5, align 8
-  %20 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %19, i32 0, i32 0
-  %21 = load i32, ptr %20, align 8
-  %22 = mul nsw i32 %21, 5
-  %23 = add nsw i32 %18, %22
-  %24 = sext i32 %23 to i64
-  %25 = getelementptr inbounds double, ptr %17, i64 %24
-  %26 = load double, ptr %25, align 8
-  %27 = load i32, ptr %10, align 4
-  %28 = sext i32 %27 to i64
-  %29 = getelementptr inbounds [5 x double], ptr %9, i64 0, i64 %28
-  store double %26, ptr %29, align 8
-  br label %30
-
-30:                                               ; preds = %16
-  %31 = load i32, ptr %10, align 4
-  %32 = add nsw i32 %31, 1
-  store i32 %32, ptr %10, align 4
-  br label %13, !llvm.loop !19
-
-33:                                               ; preds = %13
-  store i32 0, ptr %11, align 4
-  br label %34
-
-34:                                               ; preds = %102, %33
-  %35 = load i32, ptr %11, align 4
-  %36 = icmp slt i32 %35, 5
-  br i1 %36, label %37, label %105
-
-37:                                               ; preds = %34
-  call void @llvm.nvvm.barrier0()
-  %38 = load ptr, ptr %6, align 8
-  %39 = load i32, ptr %11, align 4
-  %40 = sext i32 %39 to i64
-  %41 = getelementptr inbounds double, ptr %38, i64 %40
-  %42 = load double, ptr %41, align 8
-  %43 = load ptr, ptr %5, align 8
-  %44 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %43, i32 0, i32 4
-  %45 = load ptr, ptr %44, align 8
-  %46 = load ptr, ptr %5, align 8
-  %47 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %46, i32 0, i32 0
-  %48 = load i32, ptr %47, align 8
-  %49 = load ptr, ptr %5, align 8
-  %50 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %49, i32 0, i32 1
-  %51 = load i32, ptr %50, align 4
-  %52 = mul nsw i32 %51, 6
-  %53 = add nsw i32 %48, %52
-  %54 = sext i32 %53 to i64
-  %55 = getelementptr inbounds double, ptr %45, i64 %54
-  store double %42, ptr %55, align 8
-  call void @llvm.nvvm.barrier0()
-  %56 = load ptr, ptr %8, align 8
-  %57 = load i32, ptr %11, align 4
-  %58 = sext i32 %57 to i64
-  %59 = getelementptr inbounds double, ptr %56, i64 %58
-  store double 0.000000e+00, ptr %59, align 8
-  %60 = load ptr, ptr %5, align 8
-  %61 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %60, i32 0, i32 0
-  %62 = load i32, ptr %61, align 8
-  %63 = icmp slt i32 %62, 6
-  br i1 %63, label %64, label %101
-
-64:                                               ; preds = %37
-  %65 = load ptr, ptr %5, align 8
-  %66 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %65, i32 0, i32 1
-  %67 = load i32, ptr %66, align 4
-  %68 = icmp slt i32 %67, 5
-  br i1 %68, label %69, label %101
-
-69:                                               ; preds = %64
-  store i32 0, ptr %12, align 4
-  br label %70
-
-70:                                               ; preds = %97, %69
-  %71 = load i32, ptr %12, align 4
-  %72 = icmp slt i32 %71, 5
-  br i1 %72, label %73, label %100
-
-73:                                               ; preds = %70
-  %74 = load i32, ptr %12, align 4
-  %75 = sext i32 %74 to i64
-  %76 = getelementptr inbounds [5 x double], ptr %9, i64 0, i64 %75
-  %77 = load double, ptr %76, align 8
-  %78 = load ptr, ptr %5, align 8
-  %79 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %78, i32 0, i32 4
-  %80 = load ptr, ptr %79, align 8
-  %81 = load i32, ptr %12, align 4
-  %82 = load ptr, ptr %5, align 8
-  %83 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %82, i32 0, i32 1
-  %84 = load i32, ptr %83, align 4
-  %85 = mul nsw i32 %84, 6
-  %86 = add nsw i32 %81, %85
-  %87 = sext i32 %86 to i64
-  %88 = getelementptr inbounds double, ptr %80, i64 %87
-  %89 = load double, ptr %88, align 8
-  %90 = fmul contract double %77, %89
-  %91 = load ptr, ptr %8, align 8
-  %92 = load i32, ptr %11, align 4
-  %93 = sext i32 %92 to i64
-  %94 = getelementptr inbounds double, ptr %91, i64 %93
-  %95 = load double, ptr %94, align 8
-  %96 = fadd contract double %95, %90
-  store double %96, ptr %94, align 8
-  br label %97
-
-97:                                               ; preds = %73
-  %98 = load i32, ptr %12, align 4
-  %99 = add nsw i32 %98, 1
-  store i32 %99, ptr %12, align 4
-  br label %70, !llvm.loop !20
-
-100:                                              ; preds = %70
-  br label %101
-
-101:                                              ; preds = %100, %64, %37
-  br label %102
-
-102:                                              ; preds = %101
-  %103 = load i32, ptr %11, align 4
-  %104 = add nsw i32 %103, 1
-  store i32 %104, ptr %11, align 4
-  br label %34, !llvm.loop !21
-
-105:                                              ; preds = %34
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #1 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [5 x double], align 8
-  %10 = alloca i32, align 4
-  %11 = alloca i32, align 4
-  %12 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %10, align 4
-  br label %13
-
-13:                                               ; preds = %30, %4
-  %14 = load i32, ptr %10, align 4
-  %15 = icmp slt i32 %14, 5
-  br i1 %15, label %16, label %33
-
-16:                                               ; preds = %13
-  %17 = load ptr, ptr %7, align 8
-  %18 = load i32, ptr %10, align 4
-  %19 = load ptr, ptr %5, align 8
-  %20 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %19, i32 0, i32 1
-  %21 = load i32, ptr %20, align 4
-  %22 = mul nsw i32 %21, 5
-  %23 = add nsw i32 %18, %22
-  %24 = sext i32 %23 to i64
-  %25 = getelementptr inbounds double, ptr %17, i64 %24
-  %26 = load double, ptr %25, align 8
-  %27 = load i32, ptr %10, align 4
-  %28 = sext i32 %27 to i64
-  %29 = getelementptr inbounds [5 x double], ptr %9, i64 0, i64 %28
-  store double %26, ptr %29, align 8
-  br label %30
-
-30:                                               ; preds = %16
-  %31 = load i32, ptr %10, align 4
-  %32 = add nsw i32 %31, 1
-  store i32 %32, ptr %10, align 4
-  br label %13, !llvm.loop !22
-
-33:                                               ; preds = %13
-  store i32 0, ptr %11, align 4
-  br label %34
-
-34:                                               ; preds = %102, %33
-  %35 = load i32, ptr %11, align 4
-  %36 = icmp slt i32 %35, 5
-  br i1 %36, label %37, label %105
-
-37:                                               ; preds = %34
-  call void @llvm.nvvm.barrier0()
-  %38 = load ptr, ptr %6, align 8
-  %39 = load i32, ptr %11, align 4
-  %40 = sext i32 %39 to i64
-  %41 = getelementptr inbounds double, ptr %38, i64 %40
-  %42 = load double, ptr %41, align 8
-  %43 = load ptr, ptr %5, align 8
-  %44 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %43, i32 0, i32 4
-  %45 = load ptr, ptr %44, align 8
-  %46 = load ptr, ptr %5, align 8
-  %47 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %46, i32 0, i32 0
-  %48 = load i32, ptr %47, align 8
-  %49 = load ptr, ptr %5, align 8
-  %50 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %49, i32 0, i32 1
-  %51 = load i32, ptr %50, align 4
-  %52 = mul nsw i32 %51, 6
-  %53 = add nsw i32 %48, %52
-  %54 = sext i32 %53 to i64
-  %55 = getelementptr inbounds double, ptr %45, i64 %54
-  store double %42, ptr %55, align 8
-  call void @llvm.nvvm.barrier0()
-  %56 = load ptr, ptr %8, align 8
-  %57 = load i32, ptr %11, align 4
-  %58 = sext i32 %57 to i64
-  %59 = getelementptr inbounds double, ptr %56, i64 %58
-  store double 0.000000e+00, ptr %59, align 8
-  %60 = load ptr, ptr %5, align 8
-  %61 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %60, i32 0, i32 0
-  %62 = load i32, ptr %61, align 8
-  %63 = icmp slt i32 %62, 6
-  br i1 %63, label %64, label %101
-
-64:                                               ; preds = %37
-  %65 = load ptr, ptr %5, align 8
-  %66 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %65, i32 0, i32 1
-  %67 = load i32, ptr %66, align 4
-  %68 = icmp slt i32 %67, 6
-  br i1 %68, label %69, label %101
-
-69:                                               ; preds = %64
-  store i32 0, ptr %12, align 4
-  br label %70
-
-70:                                               ; preds = %97, %69
-  %71 = load i32, ptr %12, align 4
-  %72 = icmp slt i32 %71, 5
-  br i1 %72, label %73, label %100
-
-73:                                               ; preds = %70
-  %74 = load i32, ptr %12, align 4
-  %75 = sext i32 %74 to i64
-  %76 = getelementptr inbounds [5 x double], ptr %9, i64 0, i64 %75
-  %77 = load double, ptr %76, align 8
-  %78 = load ptr, ptr %5, align 8
-  %79 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %78, i32 0, i32 4
-  %80 = load ptr, ptr %79, align 8
-  %81 = load ptr, ptr %5, align 8
-  %82 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %81, i32 0, i32 0
-  %83 = load i32, ptr %82, align 8
-  %84 = load i32, ptr %12, align 4
-  %85 = mul nsw i32 %84, 6
-  %86 = add nsw i32 %83, %85
-  %87 = sext i32 %86 to i64
-  %88 = getelementptr inbounds double, ptr %80, i64 %87
-  %89 = load double, ptr %88, align 8
-  %90 = fmul contract double %77, %89
-  %91 = load ptr, ptr %8, align 8
-  %92 = load i32, ptr %11, align 4
-  %93 = sext i32 %92 to i64
-  %94 = getelementptr inbounds double, ptr %91, i64 %93
-  %95 = load double, ptr %94, align 8
-  %96 = fadd contract double %95, %90
-  store double %96, ptr %94, align 8
-  br label %97
-
-97:                                               ; preds = %73
-  %98 = load i32, ptr %12, align 4
-  %99 = add nsw i32 %98, 1
-  store i32 %99, ptr %12, align 4
-  br label %70, !llvm.loop !23
-
-100:                                              ; preds = %70
-  br label %101
-
-101:                                              ; preds = %100, %64, %37
-  br label %102
-
-102:                                              ; preds = %101
-  %103 = load i32, ptr %11, align 4
-  %104 = add nsw i32 %103, 1
-  store i32 %104, ptr %11, align 4
-  br label %34, !llvm.loop !24
-
-105:                                              ; preds = %34
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #1 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca i32, align 4
-  %10 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %9, align 4
-  br label %11
-
-11:                                               ; preds = %58, %4
-  %12 = load i32, ptr %9, align 4
-  %13 = icmp slt i32 %12, 6
-  br i1 %13, label %14, label %61
-
-14:                                               ; preds = %11
-  %15 = load ptr, ptr %8, align 8
-  %16 = load i32, ptr %9, align 4
-  %17 = sext i32 %16 to i64
-  %18 = getelementptr inbounds double, ptr %15, i64 %17
-  store double 0.000000e+00, ptr %18, align 8
-  %19 = load ptr, ptr %5, align 8
-  %20 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %19, i32 0, i32 0
-  %21 = load i32, ptr %20, align 8
-  %22 = icmp slt i32 %21, 6
-  br i1 %22, label %23, label %57
-
-23:                                               ; preds = %14
-  %24 = load ptr, ptr %5, align 8
-  %25 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %24, i32 0, i32 1
-  %26 = load i32, ptr %25, align 4
-  %27 = icmp slt i32 %26, 6
-  br i1 %27, label %28, label %57
-
-28:                                               ; preds = %23
-  store i32 0, ptr %10, align 4
-  br label %29
-
-29:                                               ; preds = %53, %28
-  %30 = load i32, ptr %10, align 4
-  %31 = icmp slt i32 %30, 5
-  br i1 %31, label %32, label %56
-
-32:                                               ; preds = %29
-  %33 = load ptr, ptr %7, align 8
-  %34 = load i32, ptr %10, align 4
-  %35 = load i32, ptr %9, align 4
-  %36 = mul nsw i32 %35, 5
-  %37 = add nsw i32 %34, %36
-  %38 = sext i32 %37 to i64
-  %39 = getelementptr inbounds double, ptr %33, i64 %38
-  %40 = load double, ptr %39, align 8
-  %41 = load ptr, ptr %6, align 8
-  %42 = load i32, ptr %10, align 4
-  %43 = sext i32 %42 to i64
-  %44 = getelementptr inbounds double, ptr %41, i64 %43
-  %45 = load double, ptr %44, align 8
-  %46 = fmul contract double %40, %45
-  %47 = load ptr, ptr %8, align 8
-  %48 = load i32, ptr %9, align 4
-  %49 = sext i32 %48 to i64
-  %50 = getelementptr inbounds double, ptr %47, i64 %49
-  %51 = load double, ptr %50, align 8
-  %52 = fadd contract double %51, %46
-  store double %52, ptr %50, align 8
-  br label %53
-
-53:                                               ; preds = %32
-  %54 = load i32, ptr %10, align 4
-  %55 = add nsw i32 %54, 1
-  store i32 %55, ptr %10, align 4
-  br label %29, !llvm.loop !25
-
-56:                                               ; preds = %29
-  br label %57
-
-57:                                               ; preds = %56, %23, %14
-  br label %58
-
-58:                                               ; preds = %57
-  %59 = load i32, ptr %9, align 4
-  %60 = add nsw i32 %59, 1
-  store i32 %60, ptr %9, align 4
-  br label %11, !llvm.loop !26
-
-61:                                               ; preds = %11
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #1 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca i32, align 4
-  %10 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %9, align 4
-  br label %11
-
-11:                                               ; preds = %58, %4
-  %12 = load i32, ptr %9, align 4
-  %13 = icmp slt i32 %12, 5
-  br i1 %13, label %14, label %61
-
-14:                                               ; preds = %11
-  %15 = load ptr, ptr %8, align 8
-  %16 = load i32, ptr %9, align 4
-  %17 = sext i32 %16 to i64
-  %18 = getelementptr inbounds double, ptr %15, i64 %17
-  store double 0.000000e+00, ptr %18, align 8
-  %19 = load ptr, ptr %5, align 8
-  %20 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %19, i32 0, i32 0
-  %21 = load i32, ptr %20, align 8
-  %22 = icmp slt i32 %21, 6
-  br i1 %22, label %23, label %57
-
-23:                                               ; preds = %14
-  %24 = load ptr, ptr %5, align 8
-  %25 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %24, i32 0, i32 1
-  %26 = load i32, ptr %25, align 4
-  %27 = icmp slt i32 %26, 6
-  br i1 %27, label %28, label %57
-
-28:                                               ; preds = %23
-  store i32 0, ptr %10, align 4
-  br label %29
-
-29:                                               ; preds = %53, %28
-  %30 = load i32, ptr %10, align 4
-  %31 = icmp slt i32 %30, 6
-  br i1 %31, label %32, label %56
-
-32:                                               ; preds = %29
-  %33 = load ptr, ptr %7, align 8
-  %34 = load i32, ptr %9, align 4
-  %35 = load i32, ptr %10, align 4
-  %36 = mul nsw i32 %35, 5
-  %37 = add nsw i32 %34, %36
-  %38 = sext i32 %37 to i64
-  %39 = getelementptr inbounds double, ptr %33, i64 %38
-  %40 = load double, ptr %39, align 8
-  %41 = load ptr, ptr %6, align 8
-  %42 = load i32, ptr %10, align 4
-  %43 = sext i32 %42 to i64
-  %44 = getelementptr inbounds double, ptr %41, i64 %43
-  %45 = load double, ptr %44, align 8
-  %46 = fmul contract double %40, %45
-  %47 = load ptr, ptr %8, align 8
-  %48 = load i32, ptr %9, align 4
-  %49 = sext i32 %48 to i64
-  %50 = getelementptr inbounds double, ptr %47, i64 %49
-  %51 = load double, ptr %50, align 8
-  %52 = fadd contract double %51, %46
-  store double %52, ptr %50, align 8
-  br label %53
-
-53:                                               ; preds = %32
-  %54 = load i32, ptr %10, align 4
-  %55 = add nsw i32 %54, 1
-  store i32 %55, ptr %10, align 4
-  br label %29, !llvm.loop !27
-
-56:                                               ; preds = %29
-  br label %57
-
-57:                                               ; preds = %56, %23, %14
-  br label %58
-
-58:                                               ; preds = %57
-  %59 = load i32, ptr %9, align 4
-  %60 = add nsw i32 %59, 1
-  store i32 %60, ptr %9, align 4
-  br label %11, !llvm.loop !28
-
-61:                                               ; preds = %11
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #1 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [6 x double], align 8
-  %10 = alloca i32, align 4
-  %11 = alloca i32, align 4
-  %12 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %10, align 4
-  br label %13
-
-13:                                               ; preds = %30, %4
-  %14 = load i32, ptr %10, align 4
-  %15 = icmp slt i32 %14, 6
-  br i1 %15, label %16, label %33
-
-16:                                               ; preds = %13
-  %17 = load ptr, ptr %7, align 8
-  %18 = load ptr, ptr %5, align 8
-  %19 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %18, i32 0, i32 1
-  %20 = load i32, ptr %19, align 4
-  %21 = load i32, ptr %10, align 4
-  %22 = mul nsw i32 %21, 5
-  %23 = add nsw i32 %20, %22
-  %24 = sext i32 %23 to i64
-  %25 = getelementptr inbounds double, ptr %17, i64 %24
-  %26 = load double, ptr %25, align 8
-  %27 = load i32, ptr %10, align 4
-  %28 = sext i32 %27 to i64
-  %29 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 %28
-  store double %26, ptr %29, align 8
-  br label %30
-
-30:                                               ; preds = %16
-  %31 = load i32, ptr %10, align 4
-  %32 = add nsw i32 %31, 1
-  store i32 %32, ptr %10, align 4
-  br label %13, !llvm.loop !29
-
-33:                                               ; preds = %13
-  store i32 0, ptr %11, align 4
-  br label %34
-
-34:                                               ; preds = %102, %33
-  %35 = load i32, ptr %11, align 4
-  %36 = icmp slt i32 %35, 5
-  br i1 %36, label %37, label %105
-
-37:                                               ; preds = %34
-  call void @llvm.nvvm.barrier0()
-  %38 = load ptr, ptr %6, align 8
-  %39 = load i32, ptr %11, align 4
-  %40 = sext i32 %39 to i64
-  %41 = getelementptr inbounds double, ptr %38, i64 %40
-  %42 = load double, ptr %41, align 8
-  %43 = load ptr, ptr %5, align 8
-  %44 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %43, i32 0, i32 4
-  %45 = load ptr, ptr %44, align 8
-  %46 = load ptr, ptr %5, align 8
-  %47 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %46, i32 0, i32 0
-  %48 = load i32, ptr %47, align 8
-  %49 = load ptr, ptr %5, align 8
-  %50 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %49, i32 0, i32 1
-  %51 = load i32, ptr %50, align 4
-  %52 = mul nsw i32 %51, 6
-  %53 = add nsw i32 %48, %52
-  %54 = sext i32 %53 to i64
-  %55 = getelementptr inbounds double, ptr %45, i64 %54
-  store double %42, ptr %55, align 8
-  call void @llvm.nvvm.barrier0()
-  %56 = load ptr, ptr %8, align 8
-  %57 = load i32, ptr %11, align 4
-  %58 = sext i32 %57 to i64
-  %59 = getelementptr inbounds double, ptr %56, i64 %58
-  store double 0.000000e+00, ptr %59, align 8
-  %60 = load ptr, ptr %5, align 8
-  %61 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %60, i32 0, i32 0
-  %62 = load i32, ptr %61, align 8
-  %63 = icmp slt i32 %62, 6
-  br i1 %63, label %64, label %101
-
-64:                                               ; preds = %37
-  %65 = load ptr, ptr %5, align 8
-  %66 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %65, i32 0, i32 1
-  %67 = load i32, ptr %66, align 4
-  %68 = icmp slt i32 %67, 5
-  br i1 %68, label %69, label %101
-
-69:                                               ; preds = %64
-  store i32 0, ptr %12, align 4
-  br label %70
-
-70:                                               ; preds = %97, %69
-  %71 = load i32, ptr %12, align 4
-  %72 = icmp slt i32 %71, 6
-  br i1 %72, label %73, label %100
-
-73:                                               ; preds = %70
-  %74 = load i32, ptr %12, align 4
-  %75 = sext i32 %74 to i64
-  %76 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 %75
-  %77 = load double, ptr %76, align 8
-  %78 = load ptr, ptr %5, align 8
-  %79 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %78, i32 0, i32 4
-  %80 = load ptr, ptr %79, align 8
-  %81 = load ptr, ptr %5, align 8
-  %82 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %81, i32 0, i32 0
-  %83 = load i32, ptr %82, align 8
-  %84 = load i32, ptr %12, align 4
-  %85 = mul nsw i32 %84, 6
-  %86 = add nsw i32 %83, %85
-  %87 = sext i32 %86 to i64
-  %88 = getelementptr inbounds double, ptr %80, i64 %87
-  %89 = load double, ptr %88, align 8
-  %90 = fmul contract double %77, %89
-  %91 = load ptr, ptr %8, align 8
-  %92 = load i32, ptr %11, align 4
-  %93 = sext i32 %92 to i64
-  %94 = getelementptr inbounds double, ptr %91, i64 %93
-  %95 = load double, ptr %94, align 8
-  %96 = fadd contract double %95, %90
-  store double %96, ptr %94, align 8
-  br label %97
-
-97:                                               ; preds = %73
-  %98 = load i32, ptr %12, align 4
-  %99 = add nsw i32 %98, 1
-  store i32 %99, ptr %12, align 4
-  br label %70, !llvm.loop !30
-
-100:                                              ; preds = %70
-  br label %101
-
-101:                                              ; preds = %100, %64, %37
-  br label %102
-
-102:                                              ; preds = %101
-  %103 = load i32, ptr %11, align 4
-  %104 = add nsw i32 %103, 1
-  store i32 %104, ptr %11, align 4
-  br label %34, !llvm.loop !31
-
-105:                                              ; preds = %34
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #1 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [6 x double], align 8
-  %10 = alloca i32, align 4
-  %11 = alloca i32, align 4
-  %12 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %10, align 4
-  br label %13
-
-13:                                               ; preds = %30, %4
-  %14 = load i32, ptr %10, align 4
-  %15 = icmp slt i32 %14, 6
-  br i1 %15, label %16, label %33
-
-16:                                               ; preds = %13
-  %17 = load ptr, ptr %7, align 8
-  %18 = load ptr, ptr %5, align 8
-  %19 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %18, i32 0, i32 0
-  %20 = load i32, ptr %19, align 8
-  %21 = load i32, ptr %10, align 4
-  %22 = mul nsw i32 %21, 5
-  %23 = add nsw i32 %20, %22
-  %24 = sext i32 %23 to i64
-  %25 = getelementptr inbounds double, ptr %17, i64 %24
-  %26 = load double, ptr %25, align 8
-  %27 = load i32, ptr %10, align 4
-  %28 = sext i32 %27 to i64
-  %29 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 %28
-  store double %26, ptr %29, align 8
-  br label %30
-
-30:                                               ; preds = %16
-  %31 = load i32, ptr %10, align 4
-  %32 = add nsw i32 %31, 1
-  store i32 %32, ptr %10, align 4
-  br label %13, !llvm.loop !32
-
-33:                                               ; preds = %13
-  store i32 0, ptr %11, align 4
-  br label %34
-
-34:                                               ; preds = %102, %33
-  %35 = load i32, ptr %11, align 4
-  %36 = icmp slt i32 %35, 5
-  br i1 %36, label %37, label %105
-
-37:                                               ; preds = %34
-  call void @llvm.nvvm.barrier0()
-  %38 = load ptr, ptr %6, align 8
-  %39 = load i32, ptr %11, align 4
-  %40 = sext i32 %39 to i64
-  %41 = getelementptr inbounds double, ptr %38, i64 %40
-  %42 = load double, ptr %41, align 8
-  %43 = load ptr, ptr %5, align 8
-  %44 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %43, i32 0, i32 4
-  %45 = load ptr, ptr %44, align 8
-  %46 = load ptr, ptr %5, align 8
-  %47 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %46, i32 0, i32 0
-  %48 = load i32, ptr %47, align 8
-  %49 = load ptr, ptr %5, align 8
-  %50 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %49, i32 0, i32 1
-  %51 = load i32, ptr %50, align 4
-  %52 = mul nsw i32 %51, 6
-  %53 = add nsw i32 %48, %52
-  %54 = sext i32 %53 to i64
-  %55 = getelementptr inbounds double, ptr %45, i64 %54
-  store double %42, ptr %55, align 8
-  call void @llvm.nvvm.barrier0()
-  %56 = load ptr, ptr %8, align 8
-  %57 = load i32, ptr %11, align 4
-  %58 = sext i32 %57 to i64
-  %59 = getelementptr inbounds double, ptr %56, i64 %58
-  store double 0.000000e+00, ptr %59, align 8
-  %60 = load ptr, ptr %5, align 8
-  %61 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %60, i32 0, i32 0
-  %62 = load i32, ptr %61, align 8
-  %63 = icmp slt i32 %62, 5
-  br i1 %63, label %64, label %101
-
-64:                                               ; preds = %37
-  %65 = load ptr, ptr %5, align 8
-  %66 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %65, i32 0, i32 1
-  %67 = load i32, ptr %66, align 4
-  %68 = icmp slt i32 %67, 5
-  br i1 %68, label %69, label %101
-
-69:                                               ; preds = %64
-  store i32 0, ptr %12, align 4
-  br label %70
-
-70:                                               ; preds = %97, %69
-  %71 = load i32, ptr %12, align 4
-  %72 = icmp slt i32 %71, 6
-  br i1 %72, label %73, label %100
-
-73:                                               ; preds = %70
-  %74 = load i32, ptr %12, align 4
-  %75 = sext i32 %74 to i64
-  %76 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 %75
-  %77 = load double, ptr %76, align 8
-  %78 = load ptr, ptr %5, align 8
-  %79 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %78, i32 0, i32 4
-  %80 = load ptr, ptr %79, align 8
-  %81 = load i32, ptr %12, align 4
-  %82 = load ptr, ptr %5, align 8
-  %83 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %82, i32 0, i32 1
-  %84 = load i32, ptr %83, align 4
-  %85 = mul nsw i32 %84, 6
-  %86 = add nsw i32 %81, %85
-  %87 = sext i32 %86 to i64
-  %88 = getelementptr inbounds double, ptr %80, i64 %87
-  %89 = load double, ptr %88, align 8
-  %90 = fmul contract double %77, %89
-  %91 = load ptr, ptr %8, align 8
-  %92 = load i32, ptr %11, align 4
-  %93 = sext i32 %92 to i64
-  %94 = getelementptr inbounds double, ptr %91, i64 %93
-  %95 = load double, ptr %94, align 8
-  %96 = fadd contract double %95, %90
-  store double %96, ptr %94, align 8
-  br label %97
-
-97:                                               ; preds = %73
-  %98 = load i32, ptr %12, align 4
-  %99 = add nsw i32 %98, 1
-  store i32 %99, ptr %12, align 4
-  br label %70, !llvm.loop !33
-
-100:                                              ; preds = %70
-  br label %101
-
-101:                                              ; preds = %100, %64, %37
-  br label %102
-
-102:                                              ; preds = %101
-  %103 = load i32, ptr %11, align 4
-  %104 = add nsw i32 %103, 1
-  store i32 %104, ptr %11, align 4
-  br label %34, !llvm.loop !34
-
-105:                                              ; preds = %34
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define internal noundef double @_ZL9atomicAddPdd(ptr noundef %0, double noundef %1) #1 {
-  %3 = alloca ptr, align 8
-  %4 = alloca double, align 8
-  %5 = alloca ptr, align 8
-  %6 = alloca double, align 8
-  store ptr %0, ptr %5, align 8
-  store double %1, ptr %6, align 8
-  %7 = load ptr, ptr %5, align 8
-  %8 = load double, ptr %6, align 8
-  store ptr %7, ptr %3, align 8
-  store double %8, ptr %4, align 8
-  %9 = load ptr, ptr %3, align 8
-  %10 = load double, ptr %4, align 8
-  %11 = atomicrmw fadd ptr %9, double %10 seq_cst, align 8
-  ret double %11
-}
-
-attributes #0 = { convergent mustprogress noinline norecurse nounwind optnone "frame-pointer"="all" "no-trapping-math"="true" "stack-protector-buffer-size"="8" "target-cpu"="sm_89" "target-features"="+ptx87,+sm_89" "uniform-work-group-size"="true" }
-attributes #1 = { convergent mustprogress noinline nounwind optnone "frame-pointer"="all" "no-trapping-math"="true" "stack-protector-buffer-size"="8" "target-cpu"="sm_89" "target-features"="+ptx87,+sm_89" }
-attributes #2 = { convergent nocallback nounwind }
-attributes #3 = { nocallback nofree nosync nounwind speculatable willreturn memory(none) }
-attributes #4 = { convergent nounwind "frame-pointer"="all" "no-trapping-math"="true" "stack-protector-buffer-size"="8" "target-cpu"="sm_89" "target-features"="+ptx87,+sm_89" }
-attributes #5 = { convergent nounwind }
-
-!llvm.module.flags = !{!0, !1, !2, !3}
-!nvvm.annotations = !{!4}
-!llvm.ident = !{!5, !6}
-!nvvmir.version = !{!7}
-
-!0 = !{i32 2, !"SDK Version", [2 x i32] [i32 12, i32 8]}
-!1 = !{i32 1, !"wchar_size", i32 4}
-!2 = !{i32 4, !"nvvm-reflect-ftz", i32 0}
-!3 = !{i32 7, !"frame-pointer", i32 2}
-!4 = !{ptr @CeedKernelCudaGenOperator_apply_mass}
-!5 = !{!"clang version 20.1.8"}
-!6 = !{!"clang version 3.8.0 (tags/RELEASE_380/final)"}
-!7 = !{i32 2, i32 0}
-!8 = distinct !{!8, !9}
-!9 = !{!"llvm.loop.mustprogress"}
-!10 = distinct !{!10, !9}
-!11 = distinct !{!11, !9}
-!12 = distinct !{!12, !9}
-!13 = distinct !{!13, !9}
-!14 = distinct !{!14, !9}
-!15 = distinct !{!15, !9}
-!16 = distinct !{!16, !9}
-!17 = distinct !{!17, !9}
-!18 = distinct !{!18, !9}
-!19 = distinct !{!19, !9}
-!20 = distinct !{!20, !9}
-!21 = distinct !{!21, !9}
-!22 = distinct !{!22, !9}
-!23 = distinct !{!23, !9}
-!24 = distinct !{!24, !9}
-!25 = distinct !{!25, !9}
-!26 = distinct !{!26, !9}
-!27 = distinct !{!27, !9}
-!28 = distinct !{!28, !9}
-!29 = distinct !{!29, !9}
-!30 = distinct !{!30, !9}
-!31 = distinct !{!31, !9}
-!32 = distinct !{!32, !9}
-!33 = distinct !{!33, !9}
-!34 = distinct !{!34, !9}
diff --git a/temp_kernel_final.ptx b/temp_kernel_final.ptx
deleted file mode 100644
index f459dfd4..00000000
--- a/temp_kernel_final.ptx
+++ /dev/null
@@ -1,2012 +0,0 @@
-//
-// Generated by LLVM NVPTX Back-End
-//
-
-.version 7.8
-.target sm_89
-.address_size 64
-
-.func _Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd
-(
-	.param .b64 _Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd_param_0,
-	.param .b64 _Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd_param_1,
-	.param .b64 _Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd_param_2
-)
-;
-.func _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd
-(
-	.param .b64 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_0,
-	.param .b32 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_1,
-	.param .b32 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_2,
-	.param .b64 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_3,
-	.param .b64 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_4,
-	.param .b64 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_5
-)
-;
-.func _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-(
-	.param .b64 _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)
-;
-.func _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd
-(
-	.param .b64 _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_0,
-	.param .b32 _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_1,
-	.param .b64 _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_2,
-	.param .b64 _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_3
-)
-;
-.func  (.param .b32 func_retval0) _ZL10apply_massPviPKPKdPKPd
-(
-	.param .b64 _ZL10apply_massPviPKPKdPKPd_param_0,
-	.param .b32 _ZL10apply_massPviPKPKdPKPd_param_1,
-	.param .b64 _ZL10apply_massPviPKPKdPKPd_param_2,
-	.param .b64 _ZL10apply_massPviPKPKdPKPd_param_3
-)
-;
-.func _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-(
-	.param .b64 _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)
-;
-.func _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd
-(
-	.param .b64 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_0,
-	.param .b32 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_1,
-	.param .b32 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_2,
-	.param .b64 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_3,
-	.param .b64 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_4,
-	.param .b64 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_5
-)
-;
-.func  (.param .b64 func_retval0) _ZL9atomicAddPdd
-(
-	.param .b64 _ZL9atomicAddPdd_param_0,
-	.param .b64 _ZL9atomicAddPdd_param_1
-)
-;
-.func _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-(
-	.param .b64 _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)
-;
-.func _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-(
-	.param .b64 _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)
-;
-.func _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-(
-	.param .b64 _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)
-;
-.func _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-(
-	.param .b64 _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)
-;
-.func _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-(
-	.param .b64 _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)
-;
-.func _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-(
-	.param .b64 _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)
-;
-.func  (.param .b32 func_retval0) apply_mass_rs
-(
-	.param .b64 apply_mass_rs_param_0,
-	.param .b32 apply_mass_rs_param_1,
-	.param .b64 apply_mass_rs_param_2,
-	.param .b64 apply_mass_rs_param_3
-)
-;
-.extern .shared .align 8 .b8 slice[];
-// _ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0 has been demoted
-                                        // -- Begin function CeedKernelCudaGenOperator_apply_mass
-                                        // @CeedKernelCudaGenOperator_apply_mass
-.entry CeedKernelCudaGenOperator_apply_mass(
-	.param .u32 CeedKernelCudaGenOperator_apply_mass_param_0,
-	.param .u64 .ptr .align 1 CeedKernelCudaGenOperator_apply_mass_param_1,
-	.param .align 16 .b8 CeedKernelCudaGenOperator_apply_mass_param_2[256],
-	.param .align 16 .b8 CeedKernelCudaGenOperator_apply_mass_param_3[256],
-	.param .align 16 .b8 CeedKernelCudaGenOperator_apply_mass_param_4[256],
-	.param .align 16 .b8 CeedKernelCudaGenOperator_apply_mass_param_5[256],
-	.param .u64 .ptr .align 1 CeedKernelCudaGenOperator_apply_mass_param_6,
-	.param .align 16 .b8 CeedKernelCudaGenOperator_apply_mass_param_7[32]
-)
-{
-	.local .align 8 .b8 	__local_depot0[432];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<2>;
-	.reg .b32 	%r<38>;
-	.reg .b64 	%rd<60>;
-	// demoted variable
-	.shared .align 8 .b8 _ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0[240];
-// %bb.0:
-	mov.u64 	%SPL, __local_depot0;
-	cvta.local.u64 	%SP, %SPL;
-	mov.b64 	%rd8, CeedKernelCudaGenOperator_apply_mass_param_7;
-	ld.param.u64 	%rd7, [CeedKernelCudaGenOperator_apply_mass_param_6];
-	mov.b64 	%rd6, CeedKernelCudaGenOperator_apply_mass_param_5;
-	mov.b64 	%rd5, CeedKernelCudaGenOperator_apply_mass_param_4;
-	mov.b64 	%rd4, CeedKernelCudaGenOperator_apply_mass_param_3;
-	mov.b64 	%rd3, CeedKernelCudaGenOperator_apply_mass_param_2;
-	ld.param.u64 	%rd2, [CeedKernelCudaGenOperator_apply_mass_param_1];
-	ld.param.u32 	%r1, [CeedKernelCudaGenOperator_apply_mass_param_0];
-	cvta.to.global.u64 	%rd9, %rd7;
-	cvta.global.u64 	%rd10, %rd9;
-	mov.u64 	%rd1, %rd3;
-	cvta.to.global.u64 	%rd11, %rd2;
-	cvta.global.u64 	%rd12, %rd11;
-	st.u32 	[%SP], %r1;
-	st.u64 	[%SP+8], %rd12;
-	st.u64 	[%SP+16], %rd10;
-	ld.param.u64 	%rd13, [CeedKernelCudaGenOperator_apply_mass_param_3];
-	cvta.to.global.u64 	%rd14, %rd13;
-	cvta.global.u64 	%rd15, %rd14;
-	st.u64 	[%SP+24], %rd15;
-	ld.param.u64 	%rd16, [CeedKernelCudaGenOperator_apply_mass_param_3+8];
-	cvta.to.global.u64 	%rd17, %rd16;
-	cvta.global.u64 	%rd18, %rd17;
-	st.u64 	[%SP+32], %rd18;
-	ld.param.u64 	%rd19, [CeedKernelCudaGenOperator_apply_mass_param_3+128];
-	cvta.to.global.u64 	%rd20, %rd19;
-	cvta.global.u64 	%rd21, %rd20;
-	st.u64 	[%SP+40], %rd21;
-	mov.b32 	%r2, 3;
-	st.u32 	[%SP+48], %r2;
-	mov.b32 	%r3, 6;
-	st.u32 	[%SP+52], %r3;
-	mov.u32 	%r4, %tid.x;
-	st.u32 	[%SP+56], %r4;
-	mov.u32 	%r5, %tid.y;
-	st.u32 	[%SP+60], %r5;
-	mov.u32 	%r6, %tid.z;
-	st.u32 	[%SP+64], %r6;
-	mov.u32 	%r7, %ntid.x;
-	mul.lo.s32 	%r8, %r5, %r7;
-	add.s32 	%r9, %r4, %r8;
-	mov.u32 	%r10, %ntid.y;
-	mul.lo.s32 	%r11, %r6, %r10;
-	mul.lo.s32 	%r12, %r11, %r7;
-	add.s32 	%r13, %r9, %r12;
-	st.u32 	[%SP+68], %r13;
-	ld.u32 	%r14, [%SP+64];
-	mul.lo.s32 	%r15, %r14, 36;
-	mov.u64 	%rd22, slice;
-	cvta.shared.u64 	%rd23, %rd22;
-	mul.wide.s32 	%rd24, %r15, 8;
-	add.s64 	%rd25, %rd23, %rd24;
-	st.u64 	[%SP+72], %rd25;
-	st.u32 	[%SP+80], %r2;
-	mov.b32 	%r16, 5;
-	st.u32 	[%SP+84], %r16;
-	mov.b32 	%r17, 1;
-	st.u32 	[%SP+88], %r17;
-	ld.param.u64 	%rd26, [CeedKernelCudaGenOperator_apply_mass_param_4];
-	cvta.to.global.u64 	%rd27, %rd26;
-	cvta.global.u64 	%rd28, %rd27;
-	mov.u64 	%rd29, _ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0;
-	cvta.shared.u64 	%rd30, %rd29;
-	add.u64 	%rd31, %SP, 56;
-	{ // callseq 0, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd31;
-	.param .b64 param1;
-	st.param.b64 	[param1], %rd28;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd30;
-	call.uni 
-	_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd, 
-	(
-	param0, 
-	param1, 
-	param2
-	);
-	} // callseq 0
-	st.u32 	[%SP+92], %r2;
-	st.u32 	[%SP+96], %r3;
-	st.u32 	[%SP+100], %r17;
-	st.u32 	[%SP+104], %r2;
-	st.u32 	[%SP+108], %r16;
-	st.u32 	[%SP+112], %r17;
-	st.u64 	[%SP+120], %rd30;
-	bar.sync 	0;
-	mov.u32 	%r18, %ctaid.x;
-	mov.u32 	%r19, %ntid.z;
-	mul.lo.s32 	%r20, %r18, %r19;
-	add.s32 	%r21, %r20, %r6;
-	st.u32 	[%SP+128], %r21;
-	bra.uni 	$L__BB0_1;
-$L__BB0_1:                              // =>This Inner Loop Header: Depth=1
-	ld.u32 	%r22, [%SP+128];
-	ld.u32 	%r23, [%SP];
-	setp.ge.s32 	%p1, %r22, %r23;
-	@%p1 bra 	$L__BB0_4;
-	bra.uni 	$L__BB0_2;
-$L__BB0_2:                              //   in Loop: Header=BB0_1 Depth=1
-	add.u64 	%rd32, %SP, 136;
-	st.u64 	[%SP+184], %rd32;
-	mov.b32 	%r24, 274625;
-	st.u32 	[%SP+192], %r24;
-	st.u32 	[%SP+196], %r24;
-	ld.u32 	%r25, [%SP+128];
-	ld.param.u64 	%rd33, [%rd1];
-	cvta.to.global.u64 	%rd34, %rd33;
-	cvta.global.u64 	%rd35, %rd34;
-	ld.u64 	%rd36, [%SP+24];
-	ld.u64 	%rd37, [%SP+184];
-	add.u64 	%rd38, %SP, 56;
-	{ // callseq 1, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd38;
-	.param .b32 param1;
-	st.param.b32 	[param1], 274625;
-	.param .b32 param2;
-	st.param.b32 	[param2], %r25;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd35;
-	.param .b64 param4;
-	st.param.b64 	[param4], %rd36;
-	.param .b64 param5;
-	st.param.b64 	[param5], %rd37;
-	call.uni 
-	_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3, 
-	param4, 
-	param5
-	);
-	} // callseq 1
-	ld.u64 	%rd39, [%SP+184];
-	mov.u64 	%rd40, _ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0;
-	cvta.shared.u64 	%rd41, %rd40;
-	add.u64 	%rd42, %SP, 200;
-	{ // callseq 2, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd38;
-	.param .b64 param1;
-	st.param.b64 	[param1], %rd39;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd41;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd42;
-	call.uni 
-	_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	);
-	} // callseq 2
-	mov.b32 	%r26, 1;
-	st.u32 	[%SP+296], %r26;
-	mov.b32 	%r27, 884736;
-	st.u32 	[%SP+300], %r27;
-	mov.b32 	%r28, 216;
-	st.u32 	[%SP+304], %r28;
-	ld.u32 	%r29, [%SP+128];
-	ld.u64 	%rd43, [%SP+32];
-	add.u64 	%rd44, %SP, 248;
-	{ // callseq 3, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd38;
-	.param .b32 param1;
-	st.param.b32 	[param1], %r29;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd43;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd44;
-	call.uni 
-	_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	);
-	} // callseq 3
-	st.u64 	[%SP+312], %rd44;
-	st.u64 	[%SP+368], %rd42;
-	ld.u64 	%rd45, [%SP+312];
-	st.u64 	[%SP+376], %rd45;
-	add.u64 	%rd46, %SP, 320;
-	st.u64 	[%SP+384], %rd46;
-	ld.u64 	%rd47, [%SP+368];
-	st.u64 	[%SP+392], %rd47;
-	ld.u64 	%rd48, [%SP+376];
-	st.u64 	[%SP+400], %rd48;
-	ld.u64 	%rd49, [%SP+384];
-	st.u64 	[%SP+408], %rd49;
-	ld.u64 	%rd50, [%SP+8];
-	add.u64 	%rd51, %SP, 392;
-	add.u64 	%rd52, %SP, 408;
-	{ // callseq 4, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd50;
-	.param .b32 param1;
-	st.param.b32 	[param1], 6;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd51;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd52;
-	.param .b32 retval0;
-	call.uni (retval0), 
-	_ZL10apply_massPviPKPKdPKPd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	);
-	ld.param.b32 	%r30, [retval0];
-	} // callseq 4
-	st.u64 	[%SP+416], %rd32;
-	ld.u64 	%rd53, [%SP+120];
-	ld.u64 	%rd54, [%SP+416];
-	{ // callseq 5, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd38;
-	.param .b64 param1;
-	st.param.b64 	[param1], %rd46;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd53;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd54;
-	call.uni 
-	_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	);
-	} // callseq 5
-	st.u32 	[%SP+424], %r24;
-	st.u32 	[%SP+428], %r24;
-	ld.u32 	%r32, [%SP+128];
-	ld.param.u64 	%rd55, [%rd1+128];
-	cvta.to.global.u64 	%rd56, %rd55;
-	cvta.global.u64 	%rd57, %rd56;
-	ld.u64 	%rd58, [%SP+416];
-	ld.u64 	%rd59, [%SP+40];
-	{ // callseq 6, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd38;
-	.param .b32 param1;
-	st.param.b32 	[param1], 274625;
-	.param .b32 param2;
-	st.param.b32 	[param2], %r32;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd57;
-	.param .b64 param4;
-	st.param.b64 	[param4], %rd58;
-	.param .b64 param5;
-	st.param.b64 	[param5], %rd59;
-	call.uni 
-	_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3, 
-	param4, 
-	param5
-	);
-	} // callseq 6
-	bra.uni 	$L__BB0_3;
-$L__BB0_3:                              //   in Loop: Header=BB0_1 Depth=1
-	mov.u32 	%r33, %nctaid.x;
-	mov.u32 	%r34, %ntid.z;
-	mul.lo.s32 	%r35, %r33, %r34;
-	ld.u32 	%r36, [%SP+128];
-	add.s32 	%r37, %r36, %r35;
-	st.u32 	[%SP+128], %r37;
-	bra.uni 	$L__BB0_1;
-$L__BB0_4:
-	ret;
-                                        // -- End function
-}
-.func _Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd(
-	.param .b64 _Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd_param_0,
-	.param .b64 _Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd_param_1,
-	.param .b64 _Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd_param_2
-)                                       // -- Begin function _Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd
-                                        // @_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd
-{
-	.local .align 8 .b8 	__local_depot1[32];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<2>;
-	.reg .b32 	%r<10>;
-	.reg .b64 	%rd<11>;
-	.reg .f64 	%fd<2>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot1;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd3, [_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd_param_2];
-	ld.param.u64 	%rd2, [_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd_param_1];
-	ld.param.u64 	%rd1, [_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u64 	[%SP+8], %rd2;
-	st.u64 	[%SP+16], %rd3;
-	ld.u64 	%rd4, [%SP];
-	ld.u32 	%r1, [%rd4+12];
-	st.u32 	[%SP+24], %r1;
-	bra.uni 	$L__BB1_1;
-$L__BB1_1:                              // =>This Inner Loop Header: Depth=1
-	ld.u32 	%r2, [%SP+24];
-	setp.gt.s32 	%p1, %r2, 29;
-	@%p1 bra 	$L__BB1_4;
-	bra.uni 	$L__BB1_2;
-$L__BB1_2:                              //   in Loop: Header=BB1_1 Depth=1
-	ld.u64 	%rd5, [%SP+8];
-	ld.s32 	%rd6, [%SP+24];
-	shl.b64 	%rd7, %rd6, 3;
-	add.s64 	%rd8, %rd5, %rd7;
-	ld.f64 	%fd1, [%rd8];
-	ld.u64 	%rd9, [%SP+16];
-	add.s64 	%rd10, %rd9, %rd7;
-	st.f64 	[%rd10], %fd1;
-	bra.uni 	$L__BB1_3;
-$L__BB1_3:                              //   in Loop: Header=BB1_1 Depth=1
-	mov.u32 	%r3, %ntid.x;
-	mov.u32 	%r4, %ntid.y;
-	mul.lo.s32 	%r5, %r3, %r4;
-	mov.u32 	%r6, %ntid.z;
-	mul.lo.s32 	%r7, %r5, %r6;
-	ld.u32 	%r8, [%SP+24];
-	add.s32 	%r9, %r8, %r7;
-	st.u32 	[%SP+24], %r9;
-	bra.uni 	$L__BB1_1;
-$L__BB1_4:
-	ret;
-                                        // -- End function
-}
-.func _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd(
-	.param .b64 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_0,
-	.param .b32 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_1,
-	.param .b32 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_2,
-	.param .b64 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_3,
-	.param .b64 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_4,
-	.param .b64 _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_5
-)                                       // -- Begin function _Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd
-                                        // @_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd
-{
-	.local .align 8 .b8 	__local_depot2[56];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<5>;
-	.reg .b32 	%r<32>;
-	.reg .b64 	%rd<17>;
-	.reg .f64 	%fd<2>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot2;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd4, [_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_5];
-	ld.param.u64 	%rd3, [_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_4];
-	ld.param.u64 	%rd2, [_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_3];
-	ld.param.u32 	%r2, [_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_2];
-	ld.param.u32 	%r1, [_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_1];
-	ld.param.u64 	%rd1, [_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u32 	[%SP+8], %r1;
-	st.u32 	[%SP+12], %r2;
-	st.u64 	[%SP+16], %rd2;
-	st.u64 	[%SP+24], %rd3;
-	st.u64 	[%SP+32], %rd4;
-	ld.u64 	%rd5, [%SP];
-	ld.u32 	%r3, [%rd5];
-	setp.gt.s32 	%p1, %r3, 4;
-	@%p1 bra 	$L__BB2_11;
-	bra.uni 	$L__BB2_1;
-$L__BB2_1:
-	ld.u64 	%rd6, [%SP];
-	ld.u32 	%r4, [%rd6+4];
-	setp.gt.s32 	%p2, %r4, 4;
-	@%p2 bra 	$L__BB2_11;
-	bra.uni 	$L__BB2_2;
-$L__BB2_2:
-	mov.b32 	%r5, 0;
-	st.u32 	[%SP+40], %r5;
-	bra.uni 	$L__BB2_3;
-$L__BB2_3:                              // =>This Loop Header: Depth=1
-                                        //     Child Loop BB2_5 Depth 2
-	ld.u32 	%r6, [%SP+40];
-	setp.gt.s32 	%p3, %r6, 4;
-	@%p3 bra 	$L__BB2_10;
-	bra.uni 	$L__BB2_4;
-$L__BB2_4:                              //   in Loop: Header=BB2_3 Depth=1
-	ld.u64 	%rd7, [%SP];
-	ld.u32 	%r7, [%rd7];
-	ld.u32 	%r8, [%rd7+4];
-	mul.lo.s32 	%r9, %r8, 5;
-	add.s32 	%r10, %r7, %r9;
-	ld.u32 	%r11, [%SP+40];
-	mul.lo.s32 	%r12, %r11, 25;
-	add.s32 	%r13, %r10, %r12;
-	st.u32 	[%SP+44], %r13;
-	ld.u64 	%rd8, [%SP+16];
-	ld.u32 	%r14, [%SP+44];
-	ld.u32 	%r15, [%SP+12];
-	mul.lo.s32 	%r16, %r15, 125;
-	add.s32 	%r17, %r14, %r16;
-	mul.wide.s32 	%rd9, %r17, 4;
-	add.s64 	%rd10, %rd8, %rd9;
-	ld.u32 	%r18, [%rd10];
-	st.u32 	[%SP+48], %r18;
-	mov.b32 	%r19, 0;
-	st.u32 	[%SP+52], %r19;
-	bra.uni 	$L__BB2_5;
-$L__BB2_5:                              //   Parent Loop BB2_3 Depth=1
-                                        // =>  This Inner Loop Header: Depth=2
-	ld.u32 	%r20, [%SP+52];
-	setp.gt.s32 	%p4, %r20, 0;
-	@%p4 bra 	$L__BB2_8;
-	bra.uni 	$L__BB2_6;
-$L__BB2_6:                              //   in Loop: Header=BB2_5 Depth=2
-	ld.u64 	%rd11, [%SP+24];
-	ld.u32 	%r23, [%SP+48];
-	ld.u32 	%r24, [%SP+52];
-	mul.lo.s32 	%r25, %r24, 274625;
-	add.s32 	%r26, %r23, %r25;
-	mul.wide.s32 	%rd12, %r26, 8;
-	add.s64 	%rd13, %rd11, %rd12;
-	ld.f64 	%fd1, [%rd13];
-	ld.u64 	%rd14, [%SP+32];
-	ld.u32 	%r27, [%SP+40];
-	mul.lo.s32 	%r28, %r24, 5;
-	add.s32 	%r29, %r27, %r28;
-	mul.wide.s32 	%rd15, %r29, 8;
-	add.s64 	%rd16, %rd14, %rd15;
-	st.f64 	[%rd16], %fd1;
-	bra.uni 	$L__BB2_7;
-$L__BB2_7:                              //   in Loop: Header=BB2_5 Depth=2
-	ld.u32 	%r30, [%SP+52];
-	add.s32 	%r31, %r30, 1;
-	st.u32 	[%SP+52], %r31;
-	bra.uni 	$L__BB2_5;
-$L__BB2_8:                              //   in Loop: Header=BB2_3 Depth=1
-	bra.uni 	$L__BB2_9;
-$L__BB2_9:                              //   in Loop: Header=BB2_3 Depth=1
-	ld.u32 	%r21, [%SP+40];
-	add.s32 	%r22, %r21, 1;
-	st.u32 	[%SP+40], %r22;
-	bra.uni 	$L__BB2_3;
-$L__BB2_10:
-	bra.uni 	$L__BB2_11;
-$L__BB2_11:
-	ret;
-                                        // -- End function
-}
-.func _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(
-	.param .b64 _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)                                       // -- Begin function _Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-                                        // @_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-{
-	.local .align 8 .b8 	__local_depot3[136];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<2>;
-	.reg .b32 	%r<9>;
-	.reg .b64 	%rd<19>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot3;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd4, [_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3];
-	ld.param.u64 	%rd3, [_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2];
-	ld.param.u64 	%rd2, [_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1];
-	ld.param.u64 	%rd1, [_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u64 	[%SP+8], %rd2;
-	st.u64 	[%SP+16], %rd3;
-	st.u64 	[%SP+24], %rd4;
-	mov.b32 	%r1, 0;
-	st.u32 	[%SP+128], %r1;
-	bra.uni 	$L__BB3_1;
-$L__BB3_1:                              // =>This Inner Loop Header: Depth=1
-	ld.u32 	%r2, [%SP+128];
-	setp.gt.s32 	%p1, %r2, 0;
-	@%p1 bra 	$L__BB3_4;
-	bra.uni 	$L__BB3_2;
-$L__BB3_2:                              //   in Loop: Header=BB3_1 Depth=1
-	ld.u64 	%rd5, [%SP];
-	ld.u64 	%rd6, [%SP+8];
-	ld.u32 	%r3, [%SP+128];
-	mul.lo.s32 	%r4, %r3, 5;
-	mul.wide.s32 	%rd7, %r4, 8;
-	add.s64 	%rd8, %rd6, %rd7;
-	ld.u64 	%rd9, [%SP+16];
-	add.u64 	%rd10, %SP, 32;
-	{ // callseq 7, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd5;
-	.param .b64 param1;
-	st.param.b64 	[param1], %rd8;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd9;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd10;
-	call.uni 
-	_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	);
-	} // callseq 7
-	ld.u64 	%rd11, [%SP];
-	ld.u64 	%rd12, [%SP+16];
-	add.u64 	%rd13, %SP, 80;
-	{ // callseq 8, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd11;
-	.param .b64 param1;
-	st.param.b64 	[param1], %rd10;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd12;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd13;
-	call.uni 
-	_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	);
-	} // callseq 8
-	ld.u64 	%rd14, [%SP];
-	ld.u64 	%rd15, [%SP+16];
-	ld.u64 	%rd16, [%SP+24];
-	ld.u32 	%r5, [%SP+128];
-	mul.lo.s32 	%r6, %r5, 6;
-	mul.wide.s32 	%rd17, %r6, 8;
-	add.s64 	%rd18, %rd16, %rd17;
-	{ // callseq 9, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd14;
-	.param .b64 param1;
-	st.param.b64 	[param1], %rd13;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd15;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd18;
-	call.uni 
-	_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	);
-	} // callseq 9
-	bra.uni 	$L__BB3_3;
-$L__BB3_3:                              //   in Loop: Header=BB3_1 Depth=1
-	ld.u32 	%r7, [%SP+128];
-	add.s32 	%r8, %r7, 1;
-	st.u32 	[%SP+128], %r8;
-	bra.uni 	$L__BB3_1;
-$L__BB3_4:
-	ret;
-                                        // -- End function
-}
-.func _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd(
-	.param .b64 _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_0,
-	.param .b32 _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_1,
-	.param .b64 _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_2,
-	.param .b64 _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_3
-)                                       // -- Begin function _Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd
-                                        // @_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd
-{
-	.local .align 8 .b8 	__local_depot4[48];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<5>;
-	.reg .b32 	%r<30>;
-	.reg .b64 	%rd<13>;
-	.reg .f64 	%fd<2>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot4;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd3, [_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_3];
-	ld.param.u64 	%rd2, [_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_2];
-	ld.param.u32 	%r1, [_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_1];
-	ld.param.u64 	%rd1, [_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u32 	[%SP+8], %r1;
-	st.u64 	[%SP+16], %rd2;
-	st.u64 	[%SP+24], %rd3;
-	ld.u64 	%rd4, [%SP];
-	ld.u32 	%r2, [%rd4];
-	setp.gt.s32 	%p1, %r2, 5;
-	@%p1 bra 	$L__BB4_11;
-	bra.uni 	$L__BB4_1;
-$L__BB4_1:
-	ld.u64 	%rd5, [%SP];
-	ld.u32 	%r3, [%rd5+4];
-	setp.gt.s32 	%p2, %r3, 5;
-	@%p2 bra 	$L__BB4_11;
-	bra.uni 	$L__BB4_2;
-$L__BB4_2:
-	mov.b32 	%r4, 0;
-	st.u32 	[%SP+32], %r4;
-	bra.uni 	$L__BB4_3;
-$L__BB4_3:                              // =>This Loop Header: Depth=1
-                                        //     Child Loop BB4_5 Depth 2
-	ld.u32 	%r5, [%SP+32];
-	setp.gt.s32 	%p3, %r5, 5;
-	@%p3 bra 	$L__BB4_10;
-	bra.uni 	$L__BB4_4;
-$L__BB4_4:                              //   in Loop: Header=BB4_3 Depth=1
-	ld.u64 	%rd6, [%SP];
-	ld.u32 	%r6, [%rd6];
-	ld.u32 	%r7, [%rd6+4];
-	mul.lo.s32 	%r8, %r7, 6;
-	add.s32 	%r9, %r6, %r8;
-	ld.u32 	%r10, [%SP+32];
-	mul.lo.s32 	%r11, %r10, 36;
-	add.s32 	%r12, %r9, %r11;
-	st.u32 	[%SP+36], %r12;
-	ld.u32 	%r13, [%SP+36];
-	ld.u32 	%r14, [%SP+8];
-	mul.lo.s32 	%r15, %r14, 216;
-	add.s32 	%r16, %r13, %r15;
-	st.u32 	[%SP+40], %r16;
-	mov.b32 	%r17, 0;
-	st.u32 	[%SP+44], %r17;
-	bra.uni 	$L__BB4_5;
-$L__BB4_5:                              //   Parent Loop BB4_3 Depth=1
-                                        // =>  This Inner Loop Header: Depth=2
-	ld.u32 	%r18, [%SP+44];
-	setp.gt.s32 	%p4, %r18, 0;
-	@%p4 bra 	$L__BB4_8;
-	bra.uni 	$L__BB4_6;
-$L__BB4_6:                              //   in Loop: Header=BB4_5 Depth=2
-	ld.u64 	%rd7, [%SP+16];
-	ld.u32 	%r21, [%SP+40];
-	ld.u32 	%r22, [%SP+44];
-	mul.lo.s32 	%r23, %r22, 884736;
-	add.s32 	%r24, %r21, %r23;
-	mul.wide.s32 	%rd8, %r24, 8;
-	add.s64 	%rd9, %rd7, %rd8;
-	ld.f64 	%fd1, [%rd9];
-	ld.u64 	%rd10, [%SP+24];
-	ld.u32 	%r25, [%SP+32];
-	mul.lo.s32 	%r26, %r22, 6;
-	add.s32 	%r27, %r25, %r26;
-	mul.wide.s32 	%rd11, %r27, 8;
-	add.s64 	%rd12, %rd10, %rd11;
-	st.f64 	[%rd12], %fd1;
-	bra.uni 	$L__BB4_7;
-$L__BB4_7:                              //   in Loop: Header=BB4_5 Depth=2
-	ld.u32 	%r28, [%SP+44];
-	add.s32 	%r29, %r28, 1;
-	st.u32 	[%SP+44], %r29;
-	bra.uni 	$L__BB4_5;
-$L__BB4_8:                              //   in Loop: Header=BB4_3 Depth=1
-	bra.uni 	$L__BB4_9;
-$L__BB4_9:                              //   in Loop: Header=BB4_3 Depth=1
-	ld.u32 	%r19, [%SP+32];
-	add.s32 	%r20, %r19, 1;
-	st.u32 	[%SP+32], %r20;
-	bra.uni 	$L__BB4_3;
-$L__BB4_10:
-	bra.uni 	$L__BB4_11;
-$L__BB4_11:
-	ret;
-                                        // -- End function
-}
-.func  (.param .b32 func_retval0) _ZL10apply_massPviPKPKdPKPd(
-	.param .b64 _ZL10apply_massPviPKPKdPKPd_param_0,
-	.param .b32 _ZL10apply_massPviPKPKdPKPd_param_1,
-	.param .b64 _ZL10apply_massPviPKPKdPKPd_param_2,
-	.param .b64 _ZL10apply_massPviPKPKdPKPd_param_3
-)                                       // -- Begin function _ZL10apply_massPviPKPKdPKPd
-                                        // @_ZL10apply_massPviPKPKdPKPd
-{
-	.local .align 8 .b8 	__local_depot5[32];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .b32 	%r<5>;
-	.reg .b64 	%rd<8>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot5;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd3, [_ZL10apply_massPviPKPKdPKPd_param_3];
-	ld.param.u64 	%rd2, [_ZL10apply_massPviPKPKdPKPd_param_2];
-	ld.param.u32 	%r1, [_ZL10apply_massPviPKPKdPKPd_param_1];
-	ld.param.u64 	%rd1, [_ZL10apply_massPviPKPKdPKPd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u32 	[%SP+8], %r1;
-	st.u64 	[%SP+16], %rd2;
-	st.u64 	[%SP+24], %rd3;
-	ld.u64 	%rd5, [%SP];
-	ld.u32 	%r2, [%SP+8];
-	ld.u64 	%rd6, [%SP+16];
-	ld.u64 	%rd7, [%SP+24];
-	mov.u64 	%rd4, apply_mass_rs;
-	{ // callseq 10, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd5;
-	.param .b32 param1;
-	st.param.b32 	[param1], %r2;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd6;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd7;
-	.param .b32 retval0;
-	prototype_10 : .callprototype (.param .b32 _) _ (.param .b64 _, .param .b32 _, .param .b64 _, .param .b64 _);
-	call (retval0), 
-	%rd4, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	)
-	, prototype_10;
-	ld.param.b32 	%r3, [retval0];
-	} // callseq 10
-	st.param.b32 	[func_retval0], %r3;
-	ret;
-                                        // -- End function
-}
-.func _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(
-	.param .b64 _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)                                       // -- Begin function _Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-                                        // @_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-{
-	.local .align 8 .b8 	__local_depot6[136];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<2>;
-	.reg .b32 	%r<9>;
-	.reg .b64 	%rd<19>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot6;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd4, [_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3];
-	ld.param.u64 	%rd3, [_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2];
-	ld.param.u64 	%rd2, [_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1];
-	ld.param.u64 	%rd1, [_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u64 	[%SP+8], %rd2;
-	st.u64 	[%SP+16], %rd3;
-	st.u64 	[%SP+24], %rd4;
-	mov.b32 	%r1, 0;
-	st.u32 	[%SP+128], %r1;
-	bra.uni 	$L__BB6_1;
-$L__BB6_1:                              // =>This Inner Loop Header: Depth=1
-	ld.u32 	%r2, [%SP+128];
-	setp.gt.s32 	%p1, %r2, 0;
-	@%p1 bra 	$L__BB6_4;
-	bra.uni 	$L__BB6_2;
-$L__BB6_2:                              //   in Loop: Header=BB6_1 Depth=1
-	ld.u64 	%rd5, [%SP];
-	ld.u64 	%rd6, [%SP+8];
-	ld.u32 	%r3, [%SP+128];
-	mul.lo.s32 	%r4, %r3, 6;
-	mul.wide.s32 	%rd7, %r4, 8;
-	add.s64 	%rd8, %rd6, %rd7;
-	ld.u64 	%rd9, [%SP+16];
-	add.u64 	%rd10, %SP, 32;
-	{ // callseq 11, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd5;
-	.param .b64 param1;
-	st.param.b64 	[param1], %rd8;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd9;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd10;
-	call.uni 
-	_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	);
-	} // callseq 11
-	ld.u64 	%rd11, [%SP];
-	ld.u64 	%rd12, [%SP+16];
-	add.u64 	%rd13, %SP, 80;
-	{ // callseq 12, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd11;
-	.param .b64 param1;
-	st.param.b64 	[param1], %rd10;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd12;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd13;
-	call.uni 
-	_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	);
-	} // callseq 12
-	ld.u64 	%rd14, [%SP];
-	ld.u64 	%rd15, [%SP+16];
-	ld.u64 	%rd16, [%SP+24];
-	ld.u32 	%r5, [%SP+128];
-	mul.lo.s32 	%r6, %r5, 5;
-	mul.wide.s32 	%rd17, %r6, 8;
-	add.s64 	%rd18, %rd16, %rd17;
-	{ // callseq 13, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd14;
-	.param .b64 param1;
-	st.param.b64 	[param1], %rd13;
-	.param .b64 param2;
-	st.param.b64 	[param2], %rd15;
-	.param .b64 param3;
-	st.param.b64 	[param3], %rd18;
-	call.uni 
-	_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd, 
-	(
-	param0, 
-	param1, 
-	param2, 
-	param3
-	);
-	} // callseq 13
-	bra.uni 	$L__BB6_3;
-$L__BB6_3:                              //   in Loop: Header=BB6_1 Depth=1
-	ld.u32 	%r7, [%SP+128];
-	add.s32 	%r8, %r7, 1;
-	st.u32 	[%SP+128], %r8;
-	bra.uni 	$L__BB6_1;
-$L__BB6_4:
-	ret;
-                                        // -- End function
-}
-.func _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd(
-	.param .b64 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_0,
-	.param .b32 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_1,
-	.param .b32 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_2,
-	.param .b64 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_3,
-	.param .b64 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_4,
-	.param .b64 _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_5
-)                                       // -- Begin function _Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd
-                                        // @_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd
-{
-	.local .align 8 .b8 	__local_depot7[56];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<5>;
-	.reg .b32 	%r<32>;
-	.reg .b64 	%rd<17>;
-	.reg .f64 	%fd<4>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot7;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd4, [_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_5];
-	ld.param.u64 	%rd3, [_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_4];
-	ld.param.u64 	%rd2, [_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_3];
-	ld.param.u32 	%r2, [_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_2];
-	ld.param.u32 	%r1, [_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_1];
-	ld.param.u64 	%rd1, [_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u32 	[%SP+8], %r1;
-	st.u32 	[%SP+12], %r2;
-	st.u64 	[%SP+16], %rd2;
-	st.u64 	[%SP+24], %rd3;
-	st.u64 	[%SP+32], %rd4;
-	ld.u64 	%rd5, [%SP];
-	ld.u32 	%r3, [%rd5];
-	setp.gt.s32 	%p1, %r3, 4;
-	@%p1 bra 	$L__BB7_11;
-	bra.uni 	$L__BB7_1;
-$L__BB7_1:
-	ld.u64 	%rd6, [%SP];
-	ld.u32 	%r4, [%rd6+4];
-	setp.gt.s32 	%p2, %r4, 4;
-	@%p2 bra 	$L__BB7_11;
-	bra.uni 	$L__BB7_2;
-$L__BB7_2:
-	mov.b32 	%r5, 0;
-	st.u32 	[%SP+40], %r5;
-	bra.uni 	$L__BB7_3;
-$L__BB7_3:                              // =>This Loop Header: Depth=1
-                                        //     Child Loop BB7_5 Depth 2
-	ld.u32 	%r6, [%SP+40];
-	setp.gt.s32 	%p3, %r6, 4;
-	@%p3 bra 	$L__BB7_10;
-	bra.uni 	$L__BB7_4;
-$L__BB7_4:                              //   in Loop: Header=BB7_3 Depth=1
-	ld.u64 	%rd7, [%SP];
-	ld.u32 	%r7, [%rd7];
-	ld.u32 	%r8, [%rd7+4];
-	mul.lo.s32 	%r9, %r8, 5;
-	add.s32 	%r10, %r7, %r9;
-	ld.u32 	%r11, [%SP+40];
-	mul.lo.s32 	%r12, %r11, 25;
-	add.s32 	%r13, %r10, %r12;
-	st.u32 	[%SP+44], %r13;
-	ld.u64 	%rd8, [%SP+16];
-	ld.u32 	%r14, [%SP+44];
-	ld.u32 	%r15, [%SP+12];
-	mul.lo.s32 	%r16, %r15, 125;
-	add.s32 	%r17, %r14, %r16;
-	mul.wide.s32 	%rd9, %r17, 4;
-	add.s64 	%rd10, %rd8, %rd9;
-	ld.u32 	%r18, [%rd10];
-	st.u32 	[%SP+48], %r18;
-	mov.b32 	%r19, 0;
-	st.u32 	[%SP+52], %r19;
-	bra.uni 	$L__BB7_5;
-$L__BB7_5:                              //   Parent Loop BB7_3 Depth=1
-                                        // =>  This Inner Loop Header: Depth=2
-	ld.u32 	%r20, [%SP+52];
-	setp.gt.s32 	%p4, %r20, 0;
-	@%p4 bra 	$L__BB7_8;
-	bra.uni 	$L__BB7_6;
-$L__BB7_6:                              //   in Loop: Header=BB7_5 Depth=2
-	ld.u64 	%rd11, [%SP+32];
-	ld.u32 	%r23, [%SP+48];
-	ld.u32 	%r24, [%SP+52];
-	mul.lo.s32 	%r25, %r24, 274625;
-	add.s32 	%r26, %r23, %r25;
-	mul.wide.s32 	%rd12, %r26, 8;
-	add.s64 	%rd13, %rd11, %rd12;
-	ld.u64 	%rd14, [%SP+24];
-	ld.u32 	%r27, [%SP+40];
-	mul.lo.s32 	%r28, %r24, 5;
-	add.s32 	%r29, %r27, %r28;
-	mul.wide.s32 	%rd15, %r29, 8;
-	add.s64 	%rd16, %rd14, %rd15;
-	ld.f64 	%fd1, [%rd16];
-	{ // callseq 14, 0
-	.param .b64 param0;
-	st.param.b64 	[param0], %rd13;
-	.param .b64 param1;
-	st.param.f64 	[param1], %fd1;
-	.param .b64 retval0;
-	call.uni (retval0), 
-	_ZL9atomicAddPdd, 
-	(
-	param0, 
-	param1
-	);
-	ld.param.f64 	%fd2, [retval0];
-	} // callseq 14
-	bra.uni 	$L__BB7_7;
-$L__BB7_7:                              //   in Loop: Header=BB7_5 Depth=2
-	ld.u32 	%r30, [%SP+52];
-	add.s32 	%r31, %r30, 1;
-	st.u32 	[%SP+52], %r31;
-	bra.uni 	$L__BB7_5;
-$L__BB7_8:                              //   in Loop: Header=BB7_3 Depth=1
-	bra.uni 	$L__BB7_9;
-$L__BB7_9:                              //   in Loop: Header=BB7_3 Depth=1
-	ld.u32 	%r21, [%SP+40];
-	add.s32 	%r22, %r21, 1;
-	st.u32 	[%SP+40], %r22;
-	bra.uni 	$L__BB7_3;
-$L__BB7_10:
-	bra.uni 	$L__BB7_11;
-$L__BB7_11:
-	ret;
-                                        // -- End function
-}
-.func  (.param .b64 func_retval0) _ZL9atomicAddPdd(
-	.param .b64 _ZL9atomicAddPdd_param_0,
-	.param .b64 _ZL9atomicAddPdd_param_1
-)                                       // -- Begin function _ZL9atomicAddPdd
-                                        // @_ZL9atomicAddPdd
-{
-	.local .align 8 .b8 	__local_depot8[32];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .b64 	%rd<4>;
-	.reg .f64 	%fd<5>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot8;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.f64 	%fd1, [_ZL9atomicAddPdd_param_1];
-	ld.param.u64 	%rd1, [_ZL9atomicAddPdd_param_0];
-	st.u64 	[%SP+16], %rd1;
-	st.f64 	[%SP+24], %fd1;
-	ld.u64 	%rd2, [%SP+16];
-	ld.f64 	%fd2, [%SP+24];
-	st.u64 	[%SP], %rd2;
-	st.f64 	[%SP+8], %fd2;
-	ld.u64 	%rd3, [%SP];
-	ld.f64 	%fd3, [%SP+8];
-	atom.add.f64 	%fd4, [%rd3], %fd3;
-	st.param.f64 	[func_retval0], %fd4;
-	ret;
-                                        // -- End function
-}
-.func _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(
-	.param .b64 _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)                                       // -- Begin function _Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-                                        // @_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-{
-	.local .align 8 .b8 	__local_depot9[40];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<5>;
-	.reg .b32 	%r<15>;
-	.reg .b64 	%rd<21>;
-	.reg .f64 	%fd<5>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot9;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd4, [_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3];
-	ld.param.u64 	%rd3, [_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2];
-	ld.param.u64 	%rd2, [_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1];
-	ld.param.u64 	%rd1, [_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u64 	[%SP+8], %rd2;
-	st.u64 	[%SP+16], %rd3;
-	st.u64 	[%SP+24], %rd4;
-	mov.b32 	%r1, 0;
-	st.u32 	[%SP+32], %r1;
-	bra.uni 	$L__BB9_1;
-$L__BB9_1:                              // =>This Loop Header: Depth=1
-                                        //     Child Loop BB9_5 Depth 2
-	ld.u32 	%r2, [%SP+32];
-	setp.gt.s32 	%p1, %r2, 4;
-	@%p1 bra 	$L__BB9_11;
-	bra.uni 	$L__BB9_2;
-$L__BB9_2:                              //   in Loop: Header=BB9_1 Depth=1
-	ld.u64 	%rd5, [%SP+24];
-	ld.s32 	%rd6, [%SP+32];
-	shl.b64 	%rd7, %rd6, 3;
-	add.s64 	%rd8, %rd5, %rd7;
-	mov.b64 	%rd9, 0;
-	st.u64 	[%rd8], %rd9;
-	ld.u64 	%rd10, [%SP];
-	ld.u32 	%r3, [%rd10];
-	setp.gt.s32 	%p2, %r3, 5;
-	@%p2 bra 	$L__BB9_9;
-	bra.uni 	$L__BB9_3;
-$L__BB9_3:                              //   in Loop: Header=BB9_1 Depth=1
-	ld.u64 	%rd11, [%SP];
-	ld.u32 	%r4, [%rd11+4];
-	setp.gt.s32 	%p3, %r4, 5;
-	@%p3 bra 	$L__BB9_9;
-	bra.uni 	$L__BB9_4;
-$L__BB9_4:                              //   in Loop: Header=BB9_1 Depth=1
-	mov.b32 	%r5, 0;
-	st.u32 	[%SP+36], %r5;
-	bra.uni 	$L__BB9_5;
-$L__BB9_5:                              //   Parent Loop BB9_1 Depth=1
-                                        // =>  This Inner Loop Header: Depth=2
-	ld.u32 	%r6, [%SP+36];
-	setp.gt.s32 	%p4, %r6, 5;
-	@%p4 bra 	$L__BB9_8;
-	bra.uni 	$L__BB9_6;
-$L__BB9_6:                              //   in Loop: Header=BB9_5 Depth=2
-	ld.u64 	%rd12, [%SP+16];
-	ld.u32 	%r9, [%SP+32];
-	ld.u32 	%r10, [%SP+36];
-	mul.lo.s32 	%r11, %r10, 5;
-	add.s32 	%r12, %r9, %r11;
-	mul.wide.s32 	%rd13, %r12, 8;
-	add.s64 	%rd14, %rd12, %rd13;
-	ld.f64 	%fd1, [%rd14];
-	ld.u64 	%rd15, [%SP+8];
-	mul.wide.s32 	%rd16, %r10, 8;
-	add.s64 	%rd17, %rd15, %rd16;
-	ld.f64 	%fd2, [%rd17];
-	ld.u64 	%rd18, [%SP+24];
-	mul.wide.s32 	%rd19, %r9, 8;
-	add.s64 	%rd20, %rd18, %rd19;
-	ld.f64 	%fd3, [%rd20];
-	fma.rn.f64 	%fd4, %fd1, %fd2, %fd3;
-	st.f64 	[%rd20], %fd4;
-	bra.uni 	$L__BB9_7;
-$L__BB9_7:                              //   in Loop: Header=BB9_5 Depth=2
-	ld.u32 	%r13, [%SP+36];
-	add.s32 	%r14, %r13, 1;
-	st.u32 	[%SP+36], %r14;
-	bra.uni 	$L__BB9_5;
-$L__BB9_8:                              //   in Loop: Header=BB9_1 Depth=1
-	bra.uni 	$L__BB9_9;
-$L__BB9_9:                              //   in Loop: Header=BB9_1 Depth=1
-	bra.uni 	$L__BB9_10;
-$L__BB9_10:                             //   in Loop: Header=BB9_1 Depth=1
-	ld.u32 	%r7, [%SP+32];
-	add.s32 	%r8, %r7, 1;
-	st.u32 	[%SP+32], %r8;
-	bra.uni 	$L__BB9_1;
-$L__BB9_11:
-	ret;
-                                        // -- End function
-}
-.func _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(
-	.param .b64 _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)                                       // -- Begin function _Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-                                        // @_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-{
-	.local .align 8 .b8 	__local_depot10[96];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<6>;
-	.reg .b32 	%r<27>;
-	.reg .b64 	%rd<38>;
-	.reg .f64 	%fd<7>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot10;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd4, [_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3];
-	ld.param.u64 	%rd3, [_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2];
-	ld.param.u64 	%rd2, [_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1];
-	ld.param.u64 	%rd1, [_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u64 	[%SP+8], %rd2;
-	st.u64 	[%SP+16], %rd3;
-	st.u64 	[%SP+24], %rd4;
-	mov.b32 	%r1, 0;
-	st.u32 	[%SP+80], %r1;
-	bra.uni 	$L__BB10_1;
-$L__BB10_1:                             // =>This Inner Loop Header: Depth=1
-	ld.u32 	%r2, [%SP+80];
-	setp.gt.s32 	%p1, %r2, 5;
-	@%p1 bra 	$L__BB10_4;
-	bra.uni 	$L__BB10_2;
-$L__BB10_2:                             //   in Loop: Header=BB10_1 Depth=1
-	ld.u64 	%rd31, [%SP+16];
-	ld.u64 	%rd32, [%SP];
-	ld.u32 	%r21, [%rd32+4];
-	ld.u32 	%r22, [%SP+80];
-	mul.lo.s32 	%r23, %r22, 5;
-	add.s32 	%r24, %r21, %r23;
-	mul.wide.s32 	%rd33, %r24, 8;
-	add.s64 	%rd34, %rd31, %rd33;
-	ld.f64 	%fd6, [%rd34];
-	mul.wide.s32 	%rd35, %r22, 8;
-	add.u64 	%rd36, %SP, 32;
-	add.s64 	%rd37, %rd36, %rd35;
-	st.f64 	[%rd37], %fd6;
-	bra.uni 	$L__BB10_3;
-$L__BB10_3:                             //   in Loop: Header=BB10_1 Depth=1
-	ld.u32 	%r25, [%SP+80];
-	add.s32 	%r26, %r25, 1;
-	st.u32 	[%SP+80], %r26;
-	bra.uni 	$L__BB10_1;
-$L__BB10_4:
-	mov.b32 	%r3, 0;
-	st.u32 	[%SP+84], %r3;
-	bra.uni 	$L__BB10_5;
-$L__BB10_5:                             // =>This Loop Header: Depth=1
-                                        //     Child Loop BB10_9 Depth 2
-	ld.u32 	%r4, [%SP+84];
-	setp.gt.s32 	%p2, %r4, 4;
-	@%p2 bra 	$L__BB10_15;
-	bra.uni 	$L__BB10_6;
-$L__BB10_6:                             //   in Loop: Header=BB10_5 Depth=1
-	bar.sync 	0;
-	ld.u64 	%rd5, [%SP+8];
-	ld.s32 	%rd6, [%SP+84];
-	shl.b64 	%rd7, %rd6, 3;
-	add.s64 	%rd8, %rd5, %rd7;
-	ld.f64 	%fd1, [%rd8];
-	ld.u64 	%rd9, [%SP];
-	ld.u64 	%rd10, [%rd9+16];
-	ld.u32 	%r5, [%rd9];
-	ld.u32 	%r6, [%rd9+4];
-	mul.lo.s32 	%r7, %r6, 6;
-	add.s32 	%r8, %r5, %r7;
-	mul.wide.s32 	%rd11, %r8, 8;
-	add.s64 	%rd12, %rd10, %rd11;
-	st.f64 	[%rd12], %fd1;
-	bar.sync 	0;
-	ld.u64 	%rd13, [%SP+24];
-	ld.s32 	%rd14, [%SP+84];
-	shl.b64 	%rd15, %rd14, 3;
-	add.s64 	%rd16, %rd13, %rd15;
-	mov.b64 	%rd17, 0;
-	st.u64 	[%rd16], %rd17;
-	ld.u64 	%rd18, [%SP];
-	ld.u32 	%r9, [%rd18];
-	setp.gt.s32 	%p3, %r9, 5;
-	@%p3 bra 	$L__BB10_13;
-	bra.uni 	$L__BB10_7;
-$L__BB10_7:                             //   in Loop: Header=BB10_5 Depth=1
-	ld.u64 	%rd19, [%SP];
-	ld.u32 	%r10, [%rd19+4];
-	setp.gt.s32 	%p4, %r10, 4;
-	@%p4 bra 	$L__BB10_13;
-	bra.uni 	$L__BB10_8;
-$L__BB10_8:                             //   in Loop: Header=BB10_5 Depth=1
-	mov.b32 	%r11, 0;
-	st.u32 	[%SP+88], %r11;
-	bra.uni 	$L__BB10_9;
-$L__BB10_9:                             //   Parent Loop BB10_5 Depth=1
-                                        // =>  This Inner Loop Header: Depth=2
-	ld.u32 	%r12, [%SP+88];
-	setp.gt.s32 	%p5, %r12, 5;
-	@%p5 bra 	$L__BB10_12;
-	bra.uni 	$L__BB10_10;
-$L__BB10_10:                            //   in Loop: Header=BB10_9 Depth=2
-	ld.u32 	%r15, [%SP+88];
-	mul.wide.s32 	%rd20, %r15, 8;
-	add.u64 	%rd21, %SP, 32;
-	add.s64 	%rd22, %rd21, %rd20;
-	ld.f64 	%fd2, [%rd22];
-	ld.u64 	%rd23, [%SP];
-	ld.u64 	%rd24, [%rd23+16];
-	ld.u32 	%r16, [%rd23];
-	mul.lo.s32 	%r17, %r15, 6;
-	add.s32 	%r18, %r16, %r17;
-	mul.wide.s32 	%rd25, %r18, 8;
-	add.s64 	%rd26, %rd24, %rd25;
-	ld.f64 	%fd3, [%rd26];
-	ld.u64 	%rd27, [%SP+24];
-	ld.s32 	%rd28, [%SP+84];
-	shl.b64 	%rd29, %rd28, 3;
-	add.s64 	%rd30, %rd27, %rd29;
-	ld.f64 	%fd4, [%rd30];
-	fma.rn.f64 	%fd5, %fd2, %fd3, %fd4;
-	st.f64 	[%rd30], %fd5;
-	bra.uni 	$L__BB10_11;
-$L__BB10_11:                            //   in Loop: Header=BB10_9 Depth=2
-	ld.u32 	%r19, [%SP+88];
-	add.s32 	%r20, %r19, 1;
-	st.u32 	[%SP+88], %r20;
-	bra.uni 	$L__BB10_9;
-$L__BB10_12:                            //   in Loop: Header=BB10_5 Depth=1
-	bra.uni 	$L__BB10_13;
-$L__BB10_13:                            //   in Loop: Header=BB10_5 Depth=1
-	bra.uni 	$L__BB10_14;
-$L__BB10_14:                            //   in Loop: Header=BB10_5 Depth=1
-	ld.u32 	%r13, [%SP+84];
-	add.s32 	%r14, %r13, 1;
-	st.u32 	[%SP+84], %r14;
-	bra.uni 	$L__BB10_5;
-$L__BB10_15:
-	ret;
-                                        // -- End function
-}
-.func _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(
-	.param .b64 _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)                                       // -- Begin function _Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-                                        // @_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-{
-	.local .align 8 .b8 	__local_depot11[96];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<6>;
-	.reg .b32 	%r<27>;
-	.reg .b64 	%rd<38>;
-	.reg .f64 	%fd<7>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot11;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd4, [_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3];
-	ld.param.u64 	%rd3, [_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2];
-	ld.param.u64 	%rd2, [_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1];
-	ld.param.u64 	%rd1, [_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u64 	[%SP+8], %rd2;
-	st.u64 	[%SP+16], %rd3;
-	st.u64 	[%SP+24], %rd4;
-	mov.b32 	%r1, 0;
-	st.u32 	[%SP+80], %r1;
-	bra.uni 	$L__BB11_1;
-$L__BB11_1:                             // =>This Inner Loop Header: Depth=1
-	ld.u32 	%r2, [%SP+80];
-	setp.gt.s32 	%p1, %r2, 5;
-	@%p1 bra 	$L__BB11_4;
-	bra.uni 	$L__BB11_2;
-$L__BB11_2:                             //   in Loop: Header=BB11_1 Depth=1
-	ld.u64 	%rd31, [%SP+16];
-	ld.u64 	%rd32, [%SP];
-	ld.u32 	%r21, [%rd32];
-	ld.u32 	%r22, [%SP+80];
-	mul.lo.s32 	%r23, %r22, 5;
-	add.s32 	%r24, %r21, %r23;
-	mul.wide.s32 	%rd33, %r24, 8;
-	add.s64 	%rd34, %rd31, %rd33;
-	ld.f64 	%fd6, [%rd34];
-	mul.wide.s32 	%rd35, %r22, 8;
-	add.u64 	%rd36, %SP, 32;
-	add.s64 	%rd37, %rd36, %rd35;
-	st.f64 	[%rd37], %fd6;
-	bra.uni 	$L__BB11_3;
-$L__BB11_3:                             //   in Loop: Header=BB11_1 Depth=1
-	ld.u32 	%r25, [%SP+80];
-	add.s32 	%r26, %r25, 1;
-	st.u32 	[%SP+80], %r26;
-	bra.uni 	$L__BB11_1;
-$L__BB11_4:
-	mov.b32 	%r3, 0;
-	st.u32 	[%SP+84], %r3;
-	bra.uni 	$L__BB11_5;
-$L__BB11_5:                             // =>This Loop Header: Depth=1
-                                        //     Child Loop BB11_9 Depth 2
-	ld.u32 	%r4, [%SP+84];
-	setp.gt.s32 	%p2, %r4, 4;
-	@%p2 bra 	$L__BB11_15;
-	bra.uni 	$L__BB11_6;
-$L__BB11_6:                             //   in Loop: Header=BB11_5 Depth=1
-	bar.sync 	0;
-	ld.u64 	%rd5, [%SP+8];
-	ld.s32 	%rd6, [%SP+84];
-	shl.b64 	%rd7, %rd6, 3;
-	add.s64 	%rd8, %rd5, %rd7;
-	ld.f64 	%fd1, [%rd8];
-	ld.u64 	%rd9, [%SP];
-	ld.u64 	%rd10, [%rd9+16];
-	ld.u32 	%r5, [%rd9];
-	ld.u32 	%r6, [%rd9+4];
-	mul.lo.s32 	%r7, %r6, 6;
-	add.s32 	%r8, %r5, %r7;
-	mul.wide.s32 	%rd11, %r8, 8;
-	add.s64 	%rd12, %rd10, %rd11;
-	st.f64 	[%rd12], %fd1;
-	bar.sync 	0;
-	ld.u64 	%rd13, [%SP+24];
-	ld.s32 	%rd14, [%SP+84];
-	shl.b64 	%rd15, %rd14, 3;
-	add.s64 	%rd16, %rd13, %rd15;
-	mov.b64 	%rd17, 0;
-	st.u64 	[%rd16], %rd17;
-	ld.u64 	%rd18, [%SP];
-	ld.u32 	%r9, [%rd18];
-	setp.gt.s32 	%p3, %r9, 4;
-	@%p3 bra 	$L__BB11_13;
-	bra.uni 	$L__BB11_7;
-$L__BB11_7:                             //   in Loop: Header=BB11_5 Depth=1
-	ld.u64 	%rd19, [%SP];
-	ld.u32 	%r10, [%rd19+4];
-	setp.gt.s32 	%p4, %r10, 4;
-	@%p4 bra 	$L__BB11_13;
-	bra.uni 	$L__BB11_8;
-$L__BB11_8:                             //   in Loop: Header=BB11_5 Depth=1
-	mov.b32 	%r11, 0;
-	st.u32 	[%SP+88], %r11;
-	bra.uni 	$L__BB11_9;
-$L__BB11_9:                             //   Parent Loop BB11_5 Depth=1
-                                        // =>  This Inner Loop Header: Depth=2
-	ld.u32 	%r12, [%SP+88];
-	setp.gt.s32 	%p5, %r12, 5;
-	@%p5 bra 	$L__BB11_12;
-	bra.uni 	$L__BB11_10;
-$L__BB11_10:                            //   in Loop: Header=BB11_9 Depth=2
-	ld.u32 	%r15, [%SP+88];
-	mul.wide.s32 	%rd20, %r15, 8;
-	add.u64 	%rd21, %SP, 32;
-	add.s64 	%rd22, %rd21, %rd20;
-	ld.f64 	%fd2, [%rd22];
-	ld.u64 	%rd23, [%SP];
-	ld.u64 	%rd24, [%rd23+16];
-	ld.u32 	%r16, [%rd23+4];
-	mul.lo.s32 	%r17, %r16, 6;
-	add.s32 	%r18, %r15, %r17;
-	mul.wide.s32 	%rd25, %r18, 8;
-	add.s64 	%rd26, %rd24, %rd25;
-	ld.f64 	%fd3, [%rd26];
-	ld.u64 	%rd27, [%SP+24];
-	ld.s32 	%rd28, [%SP+84];
-	shl.b64 	%rd29, %rd28, 3;
-	add.s64 	%rd30, %rd27, %rd29;
-	ld.f64 	%fd4, [%rd30];
-	fma.rn.f64 	%fd5, %fd2, %fd3, %fd4;
-	st.f64 	[%rd30], %fd5;
-	bra.uni 	$L__BB11_11;
-$L__BB11_11:                            //   in Loop: Header=BB11_9 Depth=2
-	ld.u32 	%r19, [%SP+88];
-	add.s32 	%r20, %r19, 1;
-	st.u32 	[%SP+88], %r20;
-	bra.uni 	$L__BB11_9;
-$L__BB11_12:                            //   in Loop: Header=BB11_5 Depth=1
-	bra.uni 	$L__BB11_13;
-$L__BB11_13:                            //   in Loop: Header=BB11_5 Depth=1
-	bra.uni 	$L__BB11_14;
-$L__BB11_14:                            //   in Loop: Header=BB11_5 Depth=1
-	ld.u32 	%r13, [%SP+84];
-	add.s32 	%r14, %r13, 1;
-	st.u32 	[%SP+84], %r14;
-	bra.uni 	$L__BB11_5;
-$L__BB11_15:
-	ret;
-                                        // -- End function
-}
-.func _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(
-	.param .b64 _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)                                       // -- Begin function _Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-                                        // @_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-{
-	.local .align 8 .b8 	__local_depot12[88];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<6>;
-	.reg .b32 	%r<27>;
-	.reg .b64 	%rd<38>;
-	.reg .f64 	%fd<7>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot12;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd4, [_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3];
-	ld.param.u64 	%rd3, [_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2];
-	ld.param.u64 	%rd2, [_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1];
-	ld.param.u64 	%rd1, [_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u64 	[%SP+8], %rd2;
-	st.u64 	[%SP+16], %rd3;
-	st.u64 	[%SP+24], %rd4;
-	mov.b32 	%r1, 0;
-	st.u32 	[%SP+72], %r1;
-	bra.uni 	$L__BB12_1;
-$L__BB12_1:                             // =>This Inner Loop Header: Depth=1
-	ld.u32 	%r2, [%SP+72];
-	setp.gt.s32 	%p1, %r2, 4;
-	@%p1 bra 	$L__BB12_4;
-	bra.uni 	$L__BB12_2;
-$L__BB12_2:                             //   in Loop: Header=BB12_1 Depth=1
-	ld.u64 	%rd31, [%SP+16];
-	ld.u32 	%r21, [%SP+72];
-	ld.u64 	%rd32, [%SP];
-	ld.u32 	%r22, [%rd32];
-	mul.lo.s32 	%r23, %r22, 5;
-	add.s32 	%r24, %r21, %r23;
-	mul.wide.s32 	%rd33, %r24, 8;
-	add.s64 	%rd34, %rd31, %rd33;
-	ld.f64 	%fd6, [%rd34];
-	mul.wide.s32 	%rd35, %r21, 8;
-	add.u64 	%rd36, %SP, 32;
-	add.s64 	%rd37, %rd36, %rd35;
-	st.f64 	[%rd37], %fd6;
-	bra.uni 	$L__BB12_3;
-$L__BB12_3:                             //   in Loop: Header=BB12_1 Depth=1
-	ld.u32 	%r25, [%SP+72];
-	add.s32 	%r26, %r25, 1;
-	st.u32 	[%SP+72], %r26;
-	bra.uni 	$L__BB12_1;
-$L__BB12_4:
-	mov.b32 	%r3, 0;
-	st.u32 	[%SP+76], %r3;
-	bra.uni 	$L__BB12_5;
-$L__BB12_5:                             // =>This Loop Header: Depth=1
-                                        //     Child Loop BB12_9 Depth 2
-	ld.u32 	%r4, [%SP+76];
-	setp.gt.s32 	%p2, %r4, 4;
-	@%p2 bra 	$L__BB12_15;
-	bra.uni 	$L__BB12_6;
-$L__BB12_6:                             //   in Loop: Header=BB12_5 Depth=1
-	bar.sync 	0;
-	ld.u64 	%rd5, [%SP+8];
-	ld.s32 	%rd6, [%SP+76];
-	shl.b64 	%rd7, %rd6, 3;
-	add.s64 	%rd8, %rd5, %rd7;
-	ld.f64 	%fd1, [%rd8];
-	ld.u64 	%rd9, [%SP];
-	ld.u64 	%rd10, [%rd9+16];
-	ld.u32 	%r5, [%rd9];
-	ld.u32 	%r6, [%rd9+4];
-	mul.lo.s32 	%r7, %r6, 6;
-	add.s32 	%r8, %r5, %r7;
-	mul.wide.s32 	%rd11, %r8, 8;
-	add.s64 	%rd12, %rd10, %rd11;
-	st.f64 	[%rd12], %fd1;
-	bar.sync 	0;
-	ld.u64 	%rd13, [%SP+24];
-	ld.s32 	%rd14, [%SP+76];
-	shl.b64 	%rd15, %rd14, 3;
-	add.s64 	%rd16, %rd13, %rd15;
-	mov.b64 	%rd17, 0;
-	st.u64 	[%rd16], %rd17;
-	ld.u64 	%rd18, [%SP];
-	ld.u32 	%r9, [%rd18];
-	setp.gt.s32 	%p3, %r9, 5;
-	@%p3 bra 	$L__BB12_13;
-	bra.uni 	$L__BB12_7;
-$L__BB12_7:                             //   in Loop: Header=BB12_5 Depth=1
-	ld.u64 	%rd19, [%SP];
-	ld.u32 	%r10, [%rd19+4];
-	setp.gt.s32 	%p4, %r10, 4;
-	@%p4 bra 	$L__BB12_13;
-	bra.uni 	$L__BB12_8;
-$L__BB12_8:                             //   in Loop: Header=BB12_5 Depth=1
-	mov.b32 	%r11, 0;
-	st.u32 	[%SP+80], %r11;
-	bra.uni 	$L__BB12_9;
-$L__BB12_9:                             //   Parent Loop BB12_5 Depth=1
-                                        // =>  This Inner Loop Header: Depth=2
-	ld.u32 	%r12, [%SP+80];
-	setp.gt.s32 	%p5, %r12, 4;
-	@%p5 bra 	$L__BB12_12;
-	bra.uni 	$L__BB12_10;
-$L__BB12_10:                            //   in Loop: Header=BB12_9 Depth=2
-	ld.u32 	%r15, [%SP+80];
-	mul.wide.s32 	%rd20, %r15, 8;
-	add.u64 	%rd21, %SP, 32;
-	add.s64 	%rd22, %rd21, %rd20;
-	ld.f64 	%fd2, [%rd22];
-	ld.u64 	%rd23, [%SP];
-	ld.u64 	%rd24, [%rd23+16];
-	ld.u32 	%r16, [%rd23+4];
-	mul.lo.s32 	%r17, %r16, 6;
-	add.s32 	%r18, %r15, %r17;
-	mul.wide.s32 	%rd25, %r18, 8;
-	add.s64 	%rd26, %rd24, %rd25;
-	ld.f64 	%fd3, [%rd26];
-	ld.u64 	%rd27, [%SP+24];
-	ld.s32 	%rd28, [%SP+76];
-	shl.b64 	%rd29, %rd28, 3;
-	add.s64 	%rd30, %rd27, %rd29;
-	ld.f64 	%fd4, [%rd30];
-	fma.rn.f64 	%fd5, %fd2, %fd3, %fd4;
-	st.f64 	[%rd30], %fd5;
-	bra.uni 	$L__BB12_11;
-$L__BB12_11:                            //   in Loop: Header=BB12_9 Depth=2
-	ld.u32 	%r19, [%SP+80];
-	add.s32 	%r20, %r19, 1;
-	st.u32 	[%SP+80], %r20;
-	bra.uni 	$L__BB12_9;
-$L__BB12_12:                            //   in Loop: Header=BB12_5 Depth=1
-	bra.uni 	$L__BB12_13;
-$L__BB12_13:                            //   in Loop: Header=BB12_5 Depth=1
-	bra.uni 	$L__BB12_14;
-$L__BB12_14:                            //   in Loop: Header=BB12_5 Depth=1
-	ld.u32 	%r13, [%SP+76];
-	add.s32 	%r14, %r13, 1;
-	st.u32 	[%SP+76], %r14;
-	bra.uni 	$L__BB12_5;
-$L__BB12_15:
-	ret;
-                                        // -- End function
-}
-.func _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(
-	.param .b64 _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)                                       // -- Begin function _Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-                                        // @_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-{
-	.local .align 8 .b8 	__local_depot13[88];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<6>;
-	.reg .b32 	%r<27>;
-	.reg .b64 	%rd<38>;
-	.reg .f64 	%fd<7>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot13;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd4, [_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3];
-	ld.param.u64 	%rd3, [_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2];
-	ld.param.u64 	%rd2, [_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1];
-	ld.param.u64 	%rd1, [_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u64 	[%SP+8], %rd2;
-	st.u64 	[%SP+16], %rd3;
-	st.u64 	[%SP+24], %rd4;
-	mov.b32 	%r1, 0;
-	st.u32 	[%SP+72], %r1;
-	bra.uni 	$L__BB13_1;
-$L__BB13_1:                             // =>This Inner Loop Header: Depth=1
-	ld.u32 	%r2, [%SP+72];
-	setp.gt.s32 	%p1, %r2, 4;
-	@%p1 bra 	$L__BB13_4;
-	bra.uni 	$L__BB13_2;
-$L__BB13_2:                             //   in Loop: Header=BB13_1 Depth=1
-	ld.u64 	%rd31, [%SP+16];
-	ld.u32 	%r21, [%SP+72];
-	ld.u64 	%rd32, [%SP];
-	ld.u32 	%r22, [%rd32+4];
-	mul.lo.s32 	%r23, %r22, 5;
-	add.s32 	%r24, %r21, %r23;
-	mul.wide.s32 	%rd33, %r24, 8;
-	add.s64 	%rd34, %rd31, %rd33;
-	ld.f64 	%fd6, [%rd34];
-	mul.wide.s32 	%rd35, %r21, 8;
-	add.u64 	%rd36, %SP, 32;
-	add.s64 	%rd37, %rd36, %rd35;
-	st.f64 	[%rd37], %fd6;
-	bra.uni 	$L__BB13_3;
-$L__BB13_3:                             //   in Loop: Header=BB13_1 Depth=1
-	ld.u32 	%r25, [%SP+72];
-	add.s32 	%r26, %r25, 1;
-	st.u32 	[%SP+72], %r26;
-	bra.uni 	$L__BB13_1;
-$L__BB13_4:
-	mov.b32 	%r3, 0;
-	st.u32 	[%SP+76], %r3;
-	bra.uni 	$L__BB13_5;
-$L__BB13_5:                             // =>This Loop Header: Depth=1
-                                        //     Child Loop BB13_9 Depth 2
-	ld.u32 	%r4, [%SP+76];
-	setp.gt.s32 	%p2, %r4, 4;
-	@%p2 bra 	$L__BB13_15;
-	bra.uni 	$L__BB13_6;
-$L__BB13_6:                             //   in Loop: Header=BB13_5 Depth=1
-	bar.sync 	0;
-	ld.u64 	%rd5, [%SP+8];
-	ld.s32 	%rd6, [%SP+76];
-	shl.b64 	%rd7, %rd6, 3;
-	add.s64 	%rd8, %rd5, %rd7;
-	ld.f64 	%fd1, [%rd8];
-	ld.u64 	%rd9, [%SP];
-	ld.u64 	%rd10, [%rd9+16];
-	ld.u32 	%r5, [%rd9];
-	ld.u32 	%r6, [%rd9+4];
-	mul.lo.s32 	%r7, %r6, 6;
-	add.s32 	%r8, %r5, %r7;
-	mul.wide.s32 	%rd11, %r8, 8;
-	add.s64 	%rd12, %rd10, %rd11;
-	st.f64 	[%rd12], %fd1;
-	bar.sync 	0;
-	ld.u64 	%rd13, [%SP+24];
-	ld.s32 	%rd14, [%SP+76];
-	shl.b64 	%rd15, %rd14, 3;
-	add.s64 	%rd16, %rd13, %rd15;
-	mov.b64 	%rd17, 0;
-	st.u64 	[%rd16], %rd17;
-	ld.u64 	%rd18, [%SP];
-	ld.u32 	%r9, [%rd18];
-	setp.gt.s32 	%p3, %r9, 5;
-	@%p3 bra 	$L__BB13_13;
-	bra.uni 	$L__BB13_7;
-$L__BB13_7:                             //   in Loop: Header=BB13_5 Depth=1
-	ld.u64 	%rd19, [%SP];
-	ld.u32 	%r10, [%rd19+4];
-	setp.gt.s32 	%p4, %r10, 5;
-	@%p4 bra 	$L__BB13_13;
-	bra.uni 	$L__BB13_8;
-$L__BB13_8:                             //   in Loop: Header=BB13_5 Depth=1
-	mov.b32 	%r11, 0;
-	st.u32 	[%SP+80], %r11;
-	bra.uni 	$L__BB13_9;
-$L__BB13_9:                             //   Parent Loop BB13_5 Depth=1
-                                        // =>  This Inner Loop Header: Depth=2
-	ld.u32 	%r12, [%SP+80];
-	setp.gt.s32 	%p5, %r12, 4;
-	@%p5 bra 	$L__BB13_12;
-	bra.uni 	$L__BB13_10;
-$L__BB13_10:                            //   in Loop: Header=BB13_9 Depth=2
-	ld.u32 	%r15, [%SP+80];
-	mul.wide.s32 	%rd20, %r15, 8;
-	add.u64 	%rd21, %SP, 32;
-	add.s64 	%rd22, %rd21, %rd20;
-	ld.f64 	%fd2, [%rd22];
-	ld.u64 	%rd23, [%SP];
-	ld.u64 	%rd24, [%rd23+16];
-	ld.u32 	%r16, [%rd23];
-	mul.lo.s32 	%r17, %r15, 6;
-	add.s32 	%r18, %r16, %r17;
-	mul.wide.s32 	%rd25, %r18, 8;
-	add.s64 	%rd26, %rd24, %rd25;
-	ld.f64 	%fd3, [%rd26];
-	ld.u64 	%rd27, [%SP+24];
-	ld.s32 	%rd28, [%SP+76];
-	shl.b64 	%rd29, %rd28, 3;
-	add.s64 	%rd30, %rd27, %rd29;
-	ld.f64 	%fd4, [%rd30];
-	fma.rn.f64 	%fd5, %fd2, %fd3, %fd4;
-	st.f64 	[%rd30], %fd5;
-	bra.uni 	$L__BB13_11;
-$L__BB13_11:                            //   in Loop: Header=BB13_9 Depth=2
-	ld.u32 	%r19, [%SP+80];
-	add.s32 	%r20, %r19, 1;
-	st.u32 	[%SP+80], %r20;
-	bra.uni 	$L__BB13_9;
-$L__BB13_12:                            //   in Loop: Header=BB13_5 Depth=1
-	bra.uni 	$L__BB13_13;
-$L__BB13_13:                            //   in Loop: Header=BB13_5 Depth=1
-	bra.uni 	$L__BB13_14;
-$L__BB13_14:                            //   in Loop: Header=BB13_5 Depth=1
-	ld.u32 	%r13, [%SP+76];
-	add.s32 	%r14, %r13, 1;
-	st.u32 	[%SP+76], %r14;
-	bra.uni 	$L__BB13_5;
-$L__BB13_15:
-	ret;
-                                        // -- End function
-}
-.func _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(
-	.param .b64 _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0,
-	.param .b64 _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1,
-	.param .b64 _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2,
-	.param .b64 _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3
-)                                       // -- Begin function _Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-                                        // @_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd
-{
-	.local .align 8 .b8 	__local_depot14[40];
-	.reg .b64 	%SP;
-	.reg .b64 	%SPL;
-	.reg .pred 	%p<5>;
-	.reg .b32 	%r<15>;
-	.reg .b64 	%rd<21>;
-	.reg .f64 	%fd<5>;
-
-// %bb.0:
-	mov.u64 	%SPL, __local_depot14;
-	cvta.local.u64 	%SP, %SPL;
-	ld.param.u64 	%rd4, [_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_3];
-	ld.param.u64 	%rd3, [_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_2];
-	ld.param.u64 	%rd2, [_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_1];
-	ld.param.u64 	%rd1, [_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd_param_0];
-	st.u64 	[%SP], %rd1;
-	st.u64 	[%SP+8], %rd2;
-	st.u64 	[%SP+16], %rd3;
-	st.u64 	[%SP+24], %rd4;
-	mov.b32 	%r1, 0;
-	st.u32 	[%SP+32], %r1;
-	bra.uni 	$L__BB14_1;
-$L__BB14_1:                             // =>This Loop Header: Depth=1
-                                        //     Child Loop BB14_5 Depth 2
-	ld.u32 	%r2, [%SP+32];
-	setp.gt.s32 	%p1, %r2, 5;
-	@%p1 bra 	$L__BB14_11;
-	bra.uni 	$L__BB14_2;
-$L__BB14_2:                             //   in Loop: Header=BB14_1 Depth=1
-	ld.u64 	%rd5, [%SP+24];
-	ld.s32 	%rd6, [%SP+32];
-	shl.b64 	%rd7, %rd6, 3;
-	add.s64 	%rd8, %rd5, %rd7;
-	mov.b64 	%rd9, 0;
-	st.u64 	[%rd8], %rd9;
-	ld.u64 	%rd10, [%SP];
-	ld.u32 	%r3, [%rd10];
-	setp.gt.s32 	%p2, %r3, 5;
-	@%p2 bra 	$L__BB14_9;
-	bra.uni 	$L__BB14_3;
-$L__BB14_3:                             //   in Loop: Header=BB14_1 Depth=1
-	ld.u64 	%rd11, [%SP];
-	ld.u32 	%r4, [%rd11+4];
-	setp.gt.s32 	%p3, %r4, 5;
-	@%p3 bra 	$L__BB14_9;
-	bra.uni 	$L__BB14_4;
-$L__BB14_4:                             //   in Loop: Header=BB14_1 Depth=1
-	mov.b32 	%r5, 0;
-	st.u32 	[%SP+36], %r5;
-	bra.uni 	$L__BB14_5;
-$L__BB14_5:                             //   Parent Loop BB14_1 Depth=1
-                                        // =>  This Inner Loop Header: Depth=2
-	ld.u32 	%r6, [%SP+36];
-	setp.gt.s32 	%p4, %r6, 4;
-	@%p4 bra 	$L__BB14_8;
-	bra.uni 	$L__BB14_6;
-$L__BB14_6:                             //   in Loop: Header=BB14_5 Depth=2
-	ld.u64 	%rd12, [%SP+16];
-	ld.u32 	%r9, [%SP+36];
-	ld.u32 	%r10, [%SP+32];
-	mul.lo.s32 	%r11, %r10, 5;
-	add.s32 	%r12, %r9, %r11;
-	mul.wide.s32 	%rd13, %r12, 8;
-	add.s64 	%rd14, %rd12, %rd13;
-	ld.f64 	%fd1, [%rd14];
-	ld.u64 	%rd15, [%SP+8];
-	mul.wide.s32 	%rd16, %r9, 8;
-	add.s64 	%rd17, %rd15, %rd16;
-	ld.f64 	%fd2, [%rd17];
-	ld.u64 	%rd18, [%SP+24];
-	mul.wide.s32 	%rd19, %r10, 8;
-	add.s64 	%rd20, %rd18, %rd19;
-	ld.f64 	%fd3, [%rd20];
-	fma.rn.f64 	%fd4, %fd1, %fd2, %fd3;
-	st.f64 	[%rd20], %fd4;
-	bra.uni 	$L__BB14_7;
-$L__BB14_7:                             //   in Loop: Header=BB14_5 Depth=2
-	ld.u32 	%r13, [%SP+36];
-	add.s32 	%r14, %r13, 1;
-	st.u32 	[%SP+36], %r14;
-	bra.uni 	$L__BB14_5;
-$L__BB14_8:                             //   in Loop: Header=BB14_1 Depth=1
-	bra.uni 	$L__BB14_9;
-$L__BB14_9:                             //   in Loop: Header=BB14_1 Depth=1
-	bra.uni 	$L__BB14_10;
-$L__BB14_10:                            //   in Loop: Header=BB14_1 Depth=1
-	ld.u32 	%r7, [%SP+32];
-	add.s32 	%r8, %r7, 1;
-	st.u32 	[%SP+32], %r8;
-	bra.uni 	$L__BB14_1;
-$L__BB14_11:
-	ret;
-                                        // -- End function
-}
-.func  (.param .b32 func_retval0) apply_mass_rs(
-	.param .b64 apply_mass_rs_param_0,
-	.param .b32 apply_mass_rs_param_1,
-	.param .b64 apply_mass_rs_param_2,
-	.param .b64 apply_mass_rs_param_3
-)                                       // -- Begin function apply_mass_rs
-                                        // @apply_mass_rs
-{
-	.reg .pred 	%p<3>;
-	.reg .b32 	%r<2>;
-	.reg .b64 	%rd<19>;
-	.reg .f64 	%fd<4>;
-
-// %bb.0:
-	ld.param.u64 	%rd13, [apply_mass_rs_param_2];
-	ld.u64 	%rd17, [%rd13];
-	ld.param.s32 	%rd15, [apply_mass_rs_param_1];
-	setp.eq.s64 	%p1, %rd15, 0;
-	ld.u64 	%rd16, [%rd13+8];
-	ld.param.u64 	%rd14, [apply_mass_rs_param_3];
-	ld.u64 	%rd18, [%rd14];
-	@%p1 bra 	$L__BB15_1;
-$L__BB15_2:                             // =>This Inner Loop Header: Depth=1
-	ld.f64 	%fd1, [%rd16];
-	ld.f64 	%fd2, [%rd17];
-	mul.rn.f64 	%fd3, %fd1, %fd2;
-	st.f64 	[%rd18], %fd3;
-	add.s64 	%rd18, %rd18, 8;
-	add.s64 	%rd17, %rd17, 8;
-	add.s64 	%rd16, %rd16, 8;
-	add.s64 	%rd15, %rd15, -1;
-	setp.eq.s64 	%p2, %rd15, 0;
-	@%p2 bra 	$L__BB15_1;
-	bra.uni 	$L__BB15_2;
-$L__BB15_1:
-	mov.b32 	%r1, 0;
-	st.param.b32 	[func_retval0], %r1;
-	ret;
-                                        // -- End function
-}
diff --git a/temp_kernel_linked.ll b/temp_kernel_linked.ll
deleted file mode 100644
index 8ef57417..00000000
--- a/temp_kernel_linked.ll
+++ /dev/null
@@ -1,1657 +0,0 @@
-; ModuleID = 'llvm-link'
-source_filename = "llvm-link"
-target datalayout = "e-i64:64-i128:128-v16:16-v32:32-n16:32:64"
-target triple = "nvptx64-nvidia-cuda"
-
-%struct.FieldsInt_Cuda = type { [16 x ptr], [16 x ptr] }
-%struct.Points_Cuda = type { i32, ptr, ptr, ptr }
-%struct.SharedData_Cuda = type { i32, i32, i32, i32, ptr }
-
-$_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd = comdat any
-
-$_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd = comdat any
-
-$_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd = comdat any
-
-$_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd = comdat any
-
-$_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-$_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd = comdat any
-
-@slice = external dso_local addrspace(3) global [0 x double], align 8
-@_ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0 = internal addrspace(3) global [30 x double] undef, align 8
-
-; Function Attrs: convergent mustprogress noinline norecurse nounwind optnone
-define dso_local ptx_kernel void @CeedKernelCudaGenOperator_apply_mass(i32 noundef %0, ptr noundef %1, ptr noundef byval(%struct.FieldsInt_Cuda) align 8 %2, ptr noundef byval(%struct.FieldsInt_Cuda) align 8 %3, ptr noundef byval(%struct.FieldsInt_Cuda) align 8 %4, ptr noundef byval(%struct.FieldsInt_Cuda) align 8 %5, ptr noundef %6, ptr noundef byval(%struct.Points_Cuda) align 8 %7) #0 {
-  %9 = alloca i32, align 4
-  %10 = alloca ptr, align 8
-  %11 = alloca ptr, align 8
-  %12 = alloca ptr, align 8
-  %13 = alloca ptr, align 8
-  %14 = alloca ptr, align 8
-  %15 = alloca i32, align 4
-  %16 = alloca i32, align 4
-  %17 = alloca %struct.SharedData_Cuda, align 8
-  %18 = alloca i32, align 4
-  %19 = alloca i32, align 4
-  %20 = alloca i32, align 4
-  %21 = alloca i32, align 4
-  %22 = alloca i32, align 4
-  %23 = alloca i32, align 4
-  %24 = alloca i32, align 4
-  %25 = alloca i32, align 4
-  %26 = alloca i32, align 4
-  %27 = alloca ptr, align 8
-  %28 = alloca i32, align 4
-  %29 = alloca [6 x double], align 8
-  %30 = alloca ptr, align 8
-  %31 = alloca i32, align 4
-  %32 = alloca i32, align 4
-  %33 = alloca [6 x double], align 8
-  %34 = alloca [6 x double], align 8
-  %35 = alloca i32, align 4
-  %36 = alloca i32, align 4
-  %37 = alloca i32, align 4
-  %38 = alloca ptr, align 8
-  %39 = alloca [6 x double], align 8
-  %40 = alloca ptr, align 8
-  %41 = alloca ptr, align 8
-  %42 = alloca ptr, align 8
-  %43 = alloca [2 x ptr], align 8
-  %44 = alloca [1 x ptr], align 8
-  %45 = alloca ptr, align 8
-  %46 = alloca i32, align 4
-  %47 = alloca i32, align 4
-  store i32 %0, ptr %9, align 4
-  store ptr %1, ptr %10, align 8
-  store ptr %6, ptr %11, align 8
-  %48 = getelementptr inbounds nuw %struct.FieldsInt_Cuda, ptr %3, i32 0, i32 0
-  %49 = getelementptr inbounds [16 x ptr], ptr %48, i64 0, i64 0
-  %50 = load ptr, ptr %49, align 8
-  store ptr %50, ptr %12, align 8
-  %51 = getelementptr inbounds nuw %struct.FieldsInt_Cuda, ptr %3, i32 0, i32 0
-  %52 = getelementptr inbounds [16 x ptr], ptr %51, i64 0, i64 1
-  %53 = load ptr, ptr %52, align 8
-  store ptr %53, ptr %13, align 8
-  %54 = getelementptr inbounds nuw %struct.FieldsInt_Cuda, ptr %3, i32 0, i32 1
-  %55 = getelementptr inbounds [16 x ptr], ptr %54, i64 0, i64 0
-  %56 = load ptr, ptr %55, align 8
-  store ptr %56, ptr %14, align 8
-  store i32 3, ptr %15, align 4
-  store i32 6, ptr %16, align 4
-  %57 = call noundef range(i32 0, 1024) i32 @llvm.nvvm.read.ptx.sreg.tid.x()
-  %58 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 0
-  store i32 %57, ptr %58, align 8
-  %59 = call noundef range(i32 0, 1024) i32 @llvm.nvvm.read.ptx.sreg.tid.y()
-  %60 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 1
-  store i32 %59, ptr %60, align 4
-  %61 = call noundef range(i32 0, 64) i32 @llvm.nvvm.read.ptx.sreg.tid.z()
-  %62 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 2
-  store i32 %61, ptr %62, align 8
-  %63 = call noundef range(i32 0, 1024) i32 @llvm.nvvm.read.ptx.sreg.tid.x()
-  %64 = call noundef range(i32 0, 1024) i32 @llvm.nvvm.read.ptx.sreg.tid.y()
-  %65 = call noundef range(i32 1, 1025) i32 @llvm.nvvm.read.ptx.sreg.ntid.x()
-  %66 = mul i32 %64, %65
-  %67 = add i32 %63, %66
-  %68 = call noundef range(i32 0, 64) i32 @llvm.nvvm.read.ptx.sreg.tid.z()
-  %69 = call noundef range(i32 1, 1025) i32 @llvm.nvvm.read.ptx.sreg.ntid.y()
-  %70 = mul i32 %68, %69
-  %71 = call noundef range(i32 1, 1025) i32 @llvm.nvvm.read.ptx.sreg.ntid.x()
-  %72 = mul i32 %70, %71
-  %73 = add i32 %67, %72
-  %74 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 3
-  store i32 %73, ptr %74, align 4
-  %75 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 2
-  %76 = load i32, ptr %75, align 8
-  %77 = mul nsw i32 %76, 6
-  %78 = mul nsw i32 %77, 6
-  %79 = sext i32 %78 to i64
-  %80 = getelementptr inbounds double, ptr addrspacecast (ptr addrspace(3) @slice to ptr), i64 %79
-  %81 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 4
-  store ptr %80, ptr %81, align 8
-  store i32 3, ptr %18, align 4
-  store i32 5, ptr %19, align 4
-  store i32 1, ptr %20, align 4
-  %82 = getelementptr inbounds nuw %struct.FieldsInt_Cuda, ptr %4, i32 0, i32 0
-  %83 = getelementptr inbounds [16 x ptr], ptr %82, i64 0, i64 0
-  %84 = load ptr, ptr %83, align 8
-  call void @_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %17, ptr noundef %84, ptr noundef addrspacecast (ptr addrspace(3) @_ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0 to ptr)) #5
-  store i32 3, ptr %21, align 4
-  store i32 6, ptr %22, align 4
-  store i32 1, ptr %23, align 4
-  store i32 3, ptr %24, align 4
-  store i32 5, ptr %25, align 4
-  store i32 1, ptr %26, align 4
-  store ptr addrspacecast (ptr addrspace(3) @_ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0 to ptr), ptr %27, align 8
-  call void @llvm.nvvm.barrier0()
-  %85 = call noundef range(i32 0, 2147483647) i32 @llvm.nvvm.read.ptx.sreg.ctaid.x()
-  %86 = call noundef range(i32 1, 65) i32 @llvm.nvvm.read.ptx.sreg.ntid.z()
-  %87 = mul i32 %85, %86
-  %88 = call noundef range(i32 0, 64) i32 @llvm.nvvm.read.ptx.sreg.tid.z()
-  %89 = add i32 %87, %88
-  store i32 %89, ptr %28, align 4
-  br label %90
-
-90:                                               ; preds = %131, %8
-  %91 = load i32, ptr %28, align 4
-  %92 = load i32, ptr %9, align 4
-  %93 = icmp slt i32 %91, %92
-  br i1 %93, label %94, label %137
-
-94:                                               ; preds = %90
-  %95 = getelementptr inbounds [6 x double], ptr %29, i64 0, i64 0
-  store ptr %95, ptr %30, align 8
-  store i32 274625, ptr %31, align 4
-  store i32 274625, ptr %32, align 4
-  %96 = load i32, ptr %28, align 4
-  %97 = getelementptr inbounds nuw %struct.FieldsInt_Cuda, ptr %2, i32 0, i32 0
-  %98 = getelementptr inbounds [16 x ptr], ptr %97, i64 0, i64 0
-  %99 = load ptr, ptr %98, align 8
-  %100 = load ptr, ptr %12, align 8
-  %101 = load ptr, ptr %30, align 8
-  call void @_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %17, i32 noundef 274625, i32 noundef %96, ptr noundef %99, ptr noundef %100, ptr noundef %101) #5
-  %102 = load ptr, ptr %30, align 8
-  %103 = getelementptr inbounds [6 x double], ptr %33, i64 0, i64 0
-  call void @_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %17, ptr noundef %102, ptr noundef addrspacecast (ptr addrspace(3) @_ZZ36CeedKernelCudaGenOperator_apply_massE8s_B_in_0 to ptr), ptr noundef %103) #5
-  store i32 1, ptr %35, align 4
-  store i32 884736, ptr %36, align 4
-  store i32 216, ptr %37, align 4
-  %104 = load i32, ptr %28, align 4
-  %105 = load ptr, ptr %13, align 8
-  %106 = getelementptr inbounds [6 x double], ptr %34, i64 0, i64 0
-  call void @_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %17, i32 noundef %104, ptr noundef %105, ptr noundef %106) #5
-  %107 = getelementptr inbounds [6 x double], ptr %34, i64 0, i64 0
-  store ptr %107, ptr %38, align 8
-  %108 = getelementptr inbounds [6 x double], ptr %33, i64 0, i64 0
-  store ptr %108, ptr %40, align 8
-  %109 = load ptr, ptr %38, align 8
-  store ptr %109, ptr %41, align 8
-  %110 = getelementptr inbounds [6 x double], ptr %39, i64 0, i64 0
-  store ptr %110, ptr %42, align 8
-  %111 = load ptr, ptr %40, align 8
-  %112 = getelementptr inbounds [2 x ptr], ptr %43, i64 0, i64 0
-  store ptr %111, ptr %112, align 8
-  %113 = load ptr, ptr %41, align 8
-  %114 = getelementptr inbounds [2 x ptr], ptr %43, i64 0, i64 1
-  store ptr %113, ptr %114, align 8
-  %115 = load ptr, ptr %42, align 8
-  %116 = getelementptr inbounds [1 x ptr], ptr %44, i64 0, i64 0
-  store ptr %115, ptr %116, align 8
-  %117 = load ptr, ptr %10, align 8
-  %118 = getelementptr inbounds [2 x ptr], ptr %43, i64 0, i64 0
-  %119 = getelementptr inbounds [1 x ptr], ptr %44, i64 0, i64 0
-  %120 = call noundef i32 @_ZL10apply_massPviPKPKdPKPd(ptr noundef %117, i32 noundef 6, ptr noundef %118, ptr noundef %119) #5
-  %121 = getelementptr inbounds [6 x double], ptr %29, i64 0, i64 0
-  store ptr %121, ptr %45, align 8
-  %122 = getelementptr inbounds [6 x double], ptr %39, i64 0, i64 0
-  %123 = load ptr, ptr %27, align 8
-  %124 = load ptr, ptr %45, align 8
-  call void @_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %17, ptr noundef %122, ptr noundef %123, ptr noundef %124) #5
-  store i32 274625, ptr %46, align 4
-  store i32 274625, ptr %47, align 4
-  %125 = load i32, ptr %28, align 4
-  %126 = getelementptr inbounds nuw %struct.FieldsInt_Cuda, ptr %2, i32 0, i32 1
-  %127 = getelementptr inbounds [16 x ptr], ptr %126, i64 0, i64 0
-  %128 = load ptr, ptr %127, align 8
-  %129 = load ptr, ptr %45, align 8
-  %130 = load ptr, ptr %14, align 8
-  call void @_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %17, i32 noundef 274625, i32 noundef %125, ptr noundef %128, ptr noundef %129, ptr noundef %130) #5
-  br label %131
-
-131:                                              ; preds = %94
-  %132 = call noundef range(i32 1, -2147483648) i32 @llvm.nvvm.read.ptx.sreg.nctaid.x()
-  %133 = call noundef range(i32 1, 65) i32 @llvm.nvvm.read.ptx.sreg.ntid.z()
-  %134 = mul i32 %132, %133
-  %135 = load i32, ptr %28, align 4
-  %136 = add i32 %135, %134
-  store i32 %136, ptr %28, align 4
-  br label %90, !llvm.loop !10
-
-137:                                              ; preds = %90
-  ret void
-}
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.tid.x() #1
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.tid.y() #1
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.tid.z() #1
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.ntid.x() #1
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.ntid.y() #1
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z10LoadMatrixILi5ELi6EEvR15SharedData_CudaPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noalias noundef %1, ptr noundef %2) #2 comdat {
-  %4 = alloca ptr, align 8
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca i32, align 4
-  store ptr %0, ptr %4, align 8
-  store ptr %1, ptr %5, align 8
-  store ptr %2, ptr %6, align 8
-  %8 = load ptr, ptr %4, align 8
-  %9 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %8, i32 0, i32 3
-  %10 = load i32, ptr %9, align 4
-  store i32 %10, ptr %7, align 4
-  br label %11
-
-11:                                               ; preds = %24, %3
-  %12 = load i32, ptr %7, align 4
-  %13 = icmp slt i32 %12, 30
-  br i1 %13, label %14, label %32
-
-14:                                               ; preds = %11
-  %15 = load ptr, ptr %5, align 8
-  %16 = load i32, ptr %7, align 4
-  %17 = sext i32 %16 to i64
-  %18 = getelementptr inbounds double, ptr %15, i64 %17
-  %19 = load double, ptr %18, align 8
-  %20 = load ptr, ptr %6, align 8
-  %21 = load i32, ptr %7, align 4
-  %22 = sext i32 %21 to i64
-  %23 = getelementptr inbounds double, ptr %20, i64 %22
-  store double %19, ptr %23, align 8
-  br label %24
-
-24:                                               ; preds = %14
-  %25 = call noundef range(i32 1, 1025) i32 @llvm.nvvm.read.ptx.sreg.ntid.x()
-  %26 = call noundef range(i32 1, 1025) i32 @llvm.nvvm.read.ptx.sreg.ntid.y()
-  %27 = mul i32 %25, %26
-  %28 = call noundef range(i32 1, 65) i32 @llvm.nvvm.read.ptx.sreg.ntid.z()
-  %29 = mul i32 %27, %28
-  %30 = load i32, ptr %7, align 4
-  %31 = add i32 %30, %29
-  store i32 %31, ptr %7, align 4
-  br label %11, !llvm.loop !12
-
-32:                                               ; preds = %11
-  ret void
-}
-
-; Function Attrs: convergent nocallback nounwind
-declare void @llvm.nvvm.barrier0() #3
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.ctaid.x() #1
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.ntid.z() #1
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z18ReadLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %0, i32 noundef %1, i32 noundef %2, ptr noalias noundef %3, ptr noalias noundef %4, ptr noalias noundef %5) #2 comdat {
-  %7 = alloca ptr, align 8
-  %8 = alloca i32, align 4
-  %9 = alloca i32, align 4
-  %10 = alloca ptr, align 8
-  %11 = alloca ptr, align 8
-  %12 = alloca ptr, align 8
-  %13 = alloca i32, align 4
-  %14 = alloca i32, align 4
-  %15 = alloca i32, align 4
-  %16 = alloca i32, align 4
-  store ptr %0, ptr %7, align 8
-  store i32 %1, ptr %8, align 4
-  store i32 %2, ptr %9, align 4
-  store ptr %3, ptr %10, align 8
-  store ptr %4, ptr %11, align 8
-  store ptr %5, ptr %12, align 8
-  %17 = load ptr, ptr %7, align 8
-  %18 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 0
-  %19 = load i32, ptr %18, align 8
-  %20 = icmp slt i32 %19, 5
-  br i1 %20, label %21, label %80
-
-21:                                               ; preds = %6
-  %22 = load ptr, ptr %7, align 8
-  %23 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %22, i32 0, i32 1
-  %24 = load i32, ptr %23, align 4
-  %25 = icmp slt i32 %24, 5
-  br i1 %25, label %26, label %80
-
-26:                                               ; preds = %21
-  store i32 0, ptr %13, align 4
-  br label %27
-
-27:                                               ; preds = %76, %26
-  %28 = load i32, ptr %13, align 4
-  %29 = icmp slt i32 %28, 5
-  br i1 %29, label %30, label %79
-
-30:                                               ; preds = %27
-  %31 = load ptr, ptr %7, align 8
-  %32 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %31, i32 0, i32 0
-  %33 = load i32, ptr %32, align 8
-  %34 = load ptr, ptr %7, align 8
-  %35 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %34, i32 0, i32 1
-  %36 = load i32, ptr %35, align 4
-  %37 = mul nsw i32 %36, 5
-  %38 = add nsw i32 %33, %37
-  %39 = load i32, ptr %13, align 4
-  %40 = mul nsw i32 %39, 5
-  %41 = mul nsw i32 %40, 5
-  %42 = add nsw i32 %38, %41
-  store i32 %42, ptr %14, align 4
-  %43 = load ptr, ptr %10, align 8
-  %44 = load i32, ptr %14, align 4
-  %45 = load i32, ptr %9, align 4
-  %46 = mul nsw i32 %45, 5
-  %47 = mul nsw i32 %46, 5
-  %48 = mul nsw i32 %47, 5
-  %49 = add nsw i32 %44, %48
-  %50 = sext i32 %49 to i64
-  %51 = getelementptr inbounds i32, ptr %43, i64 %50
-  %52 = load i32, ptr %51, align 4
-  store i32 %52, ptr %15, align 4
-  store i32 0, ptr %16, align 4
-  br label %53
-
-53:                                               ; preds = %72, %30
-  %54 = load i32, ptr %16, align 4
-  %55 = icmp slt i32 %54, 1
-  br i1 %55, label %56, label %75
-
-56:                                               ; preds = %53
-  %57 = load ptr, ptr %11, align 8
-  %58 = load i32, ptr %15, align 4
-  %59 = load i32, ptr %16, align 4
-  %60 = mul nsw i32 274625, %59
-  %61 = add nsw i32 %58, %60
-  %62 = sext i32 %61 to i64
-  %63 = getelementptr inbounds double, ptr %57, i64 %62
-  %64 = load double, ptr %63, align 8
-  %65 = load ptr, ptr %12, align 8
-  %66 = load i32, ptr %13, align 4
-  %67 = load i32, ptr %16, align 4
-  %68 = mul nsw i32 %67, 5
-  %69 = add nsw i32 %66, %68
-  %70 = sext i32 %69 to i64
-  %71 = getelementptr inbounds double, ptr %65, i64 %70
-  store double %64, ptr %71, align 8
-  br label %72
-
-72:                                               ; preds = %56
-  %73 = load i32, ptr %16, align 4
-  %74 = add nsw i32 %73, 1
-  store i32 %74, ptr %16, align 4
-  br label %53, !llvm.loop !13
-
-75:                                               ; preds = %53
-  br label %76
-
-76:                                               ; preds = %75
-  %77 = load i32, ptr %13, align 4
-  %78 = add nsw i32 %77, 1
-  store i32 %78, ptr %13, align 4
-  br label %27, !llvm.loop !14
-
-79:                                               ; preds = %27
-  br label %80
-
-80:                                               ; preds = %79, %21, %6
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z14InterpTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noalias noundef %1, ptr noundef %2, ptr noalias noundef %3) #2 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [6 x double], align 8
-  %10 = alloca [6 x double], align 8
-  %11 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %11, align 4
-  br label %12
-
-12:                                               ; preds = %36, %4
-  %13 = load i32, ptr %11, align 4
-  %14 = icmp slt i32 %13, 1
-  br i1 %14, label %15, label %39
-
-15:                                               ; preds = %12
-  %16 = load ptr, ptr %5, align 8
-  %17 = load ptr, ptr %6, align 8
-  %18 = load i32, ptr %11, align 4
-  %19 = mul nsw i32 %18, 5
-  %20 = sext i32 %19 to i64
-  %21 = getelementptr inbounds double, ptr %17, i64 %20
-  %22 = load ptr, ptr %7, align 8
-  %23 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 0
-  call void @_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %16, ptr noundef %21, ptr noundef %22, ptr noundef %23) #5
-  %24 = load ptr, ptr %5, align 8
-  %25 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 0
-  %26 = load ptr, ptr %7, align 8
-  %27 = getelementptr inbounds [6 x double], ptr %10, i64 0, i64 0
-  call void @_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %24, ptr noundef %25, ptr noundef %26, ptr noundef %27) #5
-  %28 = load ptr, ptr %5, align 8
-  %29 = getelementptr inbounds [6 x double], ptr %10, i64 0, i64 0
-  %30 = load ptr, ptr %7, align 8
-  %31 = load ptr, ptr %8, align 8
-  %32 = load i32, ptr %11, align 4
-  %33 = mul nsw i32 %32, 6
-  %34 = sext i32 %33 to i64
-  %35 = getelementptr inbounds double, ptr %31, i64 %34
-  call void @_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %28, ptr noundef %29, ptr noundef %30, ptr noundef %35) #5
-  br label %36
-
-36:                                               ; preds = %15
-  %37 = load i32, ptr %11, align 4
-  %38 = add nsw i32 %37, 1
-  store i32 %38, ptr %11, align 4
-  br label %12, !llvm.loop !15
-
-39:                                               ; preds = %12
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z17ReadLVecStrided3dILi1ELi6ELi1ELi884736ELi216EEvR15SharedData_CudaiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %0, i32 noundef %1, ptr noalias noundef %2, ptr noalias noundef %3) #2 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca i32, align 4
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca i32, align 4
-  %10 = alloca i32, align 4
-  %11 = alloca i32, align 4
-  %12 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store i32 %1, ptr %6, align 4
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  %13 = load ptr, ptr %5, align 8
-  %14 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %13, i32 0, i32 0
-  %15 = load i32, ptr %14, align 8
-  %16 = icmp slt i32 %15, 6
-  br i1 %16, label %17, label %71
-
-17:                                               ; preds = %4
-  %18 = load ptr, ptr %5, align 8
-  %19 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %18, i32 0, i32 1
-  %20 = load i32, ptr %19, align 4
-  %21 = icmp slt i32 %20, 6
-  br i1 %21, label %22, label %71
-
-22:                                               ; preds = %17
-  store i32 0, ptr %9, align 4
-  br label %23
-
-23:                                               ; preds = %67, %22
-  %24 = load i32, ptr %9, align 4
-  %25 = icmp slt i32 %24, 6
-  br i1 %25, label %26, label %70
-
-26:                                               ; preds = %23
-  %27 = load ptr, ptr %5, align 8
-  %28 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %27, i32 0, i32 0
-  %29 = load i32, ptr %28, align 8
-  %30 = load ptr, ptr %5, align 8
-  %31 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %30, i32 0, i32 1
-  %32 = load i32, ptr %31, align 4
-  %33 = mul nsw i32 %32, 6
-  %34 = add nsw i32 %29, %33
-  %35 = load i32, ptr %9, align 4
-  %36 = mul nsw i32 %35, 6
-  %37 = mul nsw i32 %36, 6
-  %38 = add nsw i32 %34, %37
-  store i32 %38, ptr %10, align 4
-  %39 = load i32, ptr %10, align 4
-  %40 = mul nsw i32 %39, 1
-  %41 = load i32, ptr %6, align 4
-  %42 = mul nsw i32 %41, 216
-  %43 = add nsw i32 %40, %42
-  store i32 %43, ptr %11, align 4
-  store i32 0, ptr %12, align 4
-  br label %44
-
-44:                                               ; preds = %63, %26
-  %45 = load i32, ptr %12, align 4
-  %46 = icmp slt i32 %45, 1
-  br i1 %46, label %47, label %66
-
-47:                                               ; preds = %44
-  %48 = load ptr, ptr %7, align 8
-  %49 = load i32, ptr %11, align 4
-  %50 = load i32, ptr %12, align 4
-  %51 = mul nsw i32 %50, 884736
-  %52 = add nsw i32 %49, %51
-  %53 = sext i32 %52 to i64
-  %54 = getelementptr inbounds double, ptr %48, i64 %53
-  %55 = load double, ptr %54, align 8
-  %56 = load ptr, ptr %8, align 8
-  %57 = load i32, ptr %9, align 4
-  %58 = load i32, ptr %12, align 4
-  %59 = mul nsw i32 %58, 6
-  %60 = add nsw i32 %57, %59
-  %61 = sext i32 %60 to i64
-  %62 = getelementptr inbounds double, ptr %56, i64 %61
-  store double %55, ptr %62, align 8
-  br label %63
-
-63:                                               ; preds = %47
-  %64 = load i32, ptr %12, align 4
-  %65 = add nsw i32 %64, 1
-  store i32 %65, ptr %12, align 4
-  br label %44, !llvm.loop !16
-
-66:                                               ; preds = %44
-  br label %67
-
-67:                                               ; preds = %66
-  %68 = load i32, ptr %9, align 4
-  %69 = add nsw i32 %68, 1
-  store i32 %69, ptr %9, align 4
-  br label %23, !llvm.loop !17
-
-70:                                               ; preds = %23
-  br label %71
-
-71:                                               ; preds = %70, %17, %4
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define internal noundef i32 @_ZL10apply_massPviPKPKdPKPd(ptr noundef %0, i32 noundef %1, ptr noundef %2, ptr noundef %3) #2 {
-  %5 = alloca ptr, align 8
-  %6 = alloca i32, align 4
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  store ptr %0, ptr %5, align 8
-  store i32 %1, ptr %6, align 4
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  %9 = load ptr, ptr %5, align 8
-  %10 = load i32, ptr %6, align 4
-  %11 = load ptr, ptr %7, align 8
-  %12 = load ptr, ptr %8, align 8
-  %13 = call i32 @apply_mass_rs(ptr noundef %9, i32 noundef %10, ptr noundef %11, ptr noundef %12) #5
-  ret i32 %13
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z23InterpTransposeTensor3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noalias noundef %1, ptr noundef %2, ptr noalias noundef %3) #2 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [6 x double], align 8
-  %10 = alloca [6 x double], align 8
-  %11 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %11, align 4
-  br label %12
-
-12:                                               ; preds = %36, %4
-  %13 = load i32, ptr %11, align 4
-  %14 = icmp slt i32 %13, 1
-  br i1 %14, label %15, label %39
-
-15:                                               ; preds = %12
-  %16 = load ptr, ptr %5, align 8
-  %17 = load ptr, ptr %6, align 8
-  %18 = load i32, ptr %11, align 4
-  %19 = mul nsw i32 %18, 6
-  %20 = sext i32 %19 to i64
-  %21 = getelementptr inbounds double, ptr %17, i64 %20
-  %22 = load ptr, ptr %7, align 8
-  %23 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 0
-  call void @_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %16, ptr noundef %21, ptr noundef %22, ptr noundef %23) #5
-  %24 = load ptr, ptr %5, align 8
-  %25 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 0
-  %26 = load ptr, ptr %7, align 8
-  %27 = getelementptr inbounds [6 x double], ptr %10, i64 0, i64 0
-  call void @_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %24, ptr noundef %25, ptr noundef %26, ptr noundef %27) #5
-  %28 = load ptr, ptr %5, align 8
-  %29 = getelementptr inbounds [6 x double], ptr %10, i64 0, i64 0
-  %30 = load ptr, ptr %7, align 8
-  %31 = load ptr, ptr %8, align 8
-  %32 = load i32, ptr %11, align 4
-  %33 = mul nsw i32 %32, 5
-  %34 = sext i32 %33 to i64
-  %35 = getelementptr inbounds double, ptr %31, i64 %34
-  call void @_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %28, ptr noundef %29, ptr noundef %30, ptr noundef %35) #5
-  br label %36
-
-36:                                               ; preds = %15
-  %37 = load i32, ptr %11, align 4
-  %38 = add nsw i32 %37, 1
-  store i32 %38, ptr %11, align 4
-  br label %12, !llvm.loop !18
-
-39:                                               ; preds = %12
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z19WriteLVecStandard3dILi1ELi274625ELi5EEvR15SharedData_CudaiiPKiPKdPd(ptr noundef nonnull align 8 dereferenceable(24) %0, i32 noundef %1, i32 noundef %2, ptr noalias noundef %3, ptr noalias noundef %4, ptr noalias noundef %5) #2 comdat {
-  %7 = alloca ptr, align 8
-  %8 = alloca i32, align 4
-  %9 = alloca i32, align 4
-  %10 = alloca ptr, align 8
-  %11 = alloca ptr, align 8
-  %12 = alloca ptr, align 8
-  %13 = alloca i32, align 4
-  %14 = alloca i32, align 4
-  %15 = alloca i32, align 4
-  %16 = alloca i32, align 4
-  store ptr %0, ptr %7, align 8
-  store i32 %1, ptr %8, align 4
-  store i32 %2, ptr %9, align 4
-  store ptr %3, ptr %10, align 8
-  store ptr %4, ptr %11, align 8
-  store ptr %5, ptr %12, align 8
-  %17 = load ptr, ptr %7, align 8
-  %18 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %17, i32 0, i32 0
-  %19 = load i32, ptr %18, align 8
-  %20 = icmp slt i32 %19, 5
-  br i1 %20, label %21, label %81
-
-21:                                               ; preds = %6
-  %22 = load ptr, ptr %7, align 8
-  %23 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %22, i32 0, i32 1
-  %24 = load i32, ptr %23, align 4
-  %25 = icmp slt i32 %24, 5
-  br i1 %25, label %26, label %81
-
-26:                                               ; preds = %21
-  store i32 0, ptr %13, align 4
-  br label %27
-
-27:                                               ; preds = %77, %26
-  %28 = load i32, ptr %13, align 4
-  %29 = icmp slt i32 %28, 5
-  br i1 %29, label %30, label %80
-
-30:                                               ; preds = %27
-  %31 = load ptr, ptr %7, align 8
-  %32 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %31, i32 0, i32 0
-  %33 = load i32, ptr %32, align 8
-  %34 = load ptr, ptr %7, align 8
-  %35 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %34, i32 0, i32 1
-  %36 = load i32, ptr %35, align 4
-  %37 = mul nsw i32 %36, 5
-  %38 = add nsw i32 %33, %37
-  %39 = load i32, ptr %13, align 4
-  %40 = mul nsw i32 %39, 5
-  %41 = mul nsw i32 %40, 5
-  %42 = add nsw i32 %38, %41
-  store i32 %42, ptr %14, align 4
-  %43 = load ptr, ptr %10, align 8
-  %44 = load i32, ptr %14, align 4
-  %45 = load i32, ptr %9, align 4
-  %46 = mul nsw i32 %45, 5
-  %47 = mul nsw i32 %46, 5
-  %48 = mul nsw i32 %47, 5
-  %49 = add nsw i32 %44, %48
-  %50 = sext i32 %49 to i64
-  %51 = getelementptr inbounds i32, ptr %43, i64 %50
-  %52 = load i32, ptr %51, align 4
-  store i32 %52, ptr %15, align 4
-  store i32 0, ptr %16, align 4
-  br label %53
-
-53:                                               ; preds = %73, %30
-  %54 = load i32, ptr %16, align 4
-  %55 = icmp slt i32 %54, 1
-  br i1 %55, label %56, label %76
-
-56:                                               ; preds = %53
-  %57 = load ptr, ptr %12, align 8
-  %58 = load i32, ptr %15, align 4
-  %59 = load i32, ptr %16, align 4
-  %60 = mul nsw i32 274625, %59
-  %61 = add nsw i32 %58, %60
-  %62 = sext i32 %61 to i64
-  %63 = getelementptr inbounds double, ptr %57, i64 %62
-  %64 = load ptr, ptr %11, align 8
-  %65 = load i32, ptr %13, align 4
-  %66 = load i32, ptr %16, align 4
-  %67 = mul nsw i32 %66, 5
-  %68 = add nsw i32 %65, %67
-  %69 = sext i32 %68 to i64
-  %70 = getelementptr inbounds double, ptr %64, i64 %69
-  %71 = load double, ptr %70, align 8
-  %72 = call contract noundef double @_ZL9atomicAddPdd(ptr noundef %63, double noundef %71) #5
-  br label %73
-
-73:                                               ; preds = %56
-  %74 = load i32, ptr %16, align 4
-  %75 = add nsw i32 %74, 1
-  store i32 %75, ptr %16, align 4
-  br label %53, !llvm.loop !19
-
-76:                                               ; preds = %53
-  br label %77
-
-77:                                               ; preds = %76
-  %78 = load i32, ptr %13, align 4
-  %79 = add nsw i32 %78, 1
-  store i32 %79, ptr %13, align 4
-  br label %27, !llvm.loop !20
-
-80:                                               ; preds = %27
-  br label %81
-
-81:                                               ; preds = %80, %21, %6
-  ret void
-}
-
-; Function Attrs: nocallback nofree nosync nounwind speculatable willreturn memory(none)
-declare noundef i32 @llvm.nvvm.read.ptx.sreg.nctaid.x() #1
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define internal noundef double @_ZL9atomicAddPdd(ptr noundef %0, double noundef %1) #2 {
-  %3 = alloca ptr, align 8
-  %4 = alloca double, align 8
-  %5 = alloca ptr, align 8
-  %6 = alloca double, align 8
-  store ptr %0, ptr %5, align 8
-  store double %1, ptr %6, align 8
-  %7 = load ptr, ptr %5, align 8
-  %8 = load double, ptr %6, align 8
-  store ptr %7, ptr %3, align 8
-  store double %8, ptr %4, align 8
-  %9 = load ptr, ptr %3, align 8
-  %10 = load double, ptr %4, align 8
-  %11 = atomicrmw fadd ptr %9, double %10 seq_cst, align 8
-  ret double %11
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z20ContractTransposeZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #2 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca i32, align 4
-  %10 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %9, align 4
-  br label %11
-
-11:                                               ; preds = %58, %4
-  %12 = load i32, ptr %9, align 4
-  %13 = icmp slt i32 %12, 5
-  br i1 %13, label %14, label %61
-
-14:                                               ; preds = %11
-  %15 = load ptr, ptr %8, align 8
-  %16 = load i32, ptr %9, align 4
-  %17 = sext i32 %16 to i64
-  %18 = getelementptr inbounds double, ptr %15, i64 %17
-  store double 0.000000e+00, ptr %18, align 8
-  %19 = load ptr, ptr %5, align 8
-  %20 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %19, i32 0, i32 0
-  %21 = load i32, ptr %20, align 8
-  %22 = icmp slt i32 %21, 6
-  br i1 %22, label %23, label %57
-
-23:                                               ; preds = %14
-  %24 = load ptr, ptr %5, align 8
-  %25 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %24, i32 0, i32 1
-  %26 = load i32, ptr %25, align 4
-  %27 = icmp slt i32 %26, 6
-  br i1 %27, label %28, label %57
-
-28:                                               ; preds = %23
-  store i32 0, ptr %10, align 4
-  br label %29
-
-29:                                               ; preds = %53, %28
-  %30 = load i32, ptr %10, align 4
-  %31 = icmp slt i32 %30, 6
-  br i1 %31, label %32, label %56
-
-32:                                               ; preds = %29
-  %33 = load ptr, ptr %7, align 8
-  %34 = load i32, ptr %9, align 4
-  %35 = load i32, ptr %10, align 4
-  %36 = mul nsw i32 %35, 5
-  %37 = add nsw i32 %34, %36
-  %38 = sext i32 %37 to i64
-  %39 = getelementptr inbounds double, ptr %33, i64 %38
-  %40 = load double, ptr %39, align 8
-  %41 = load ptr, ptr %6, align 8
-  %42 = load i32, ptr %10, align 4
-  %43 = sext i32 %42 to i64
-  %44 = getelementptr inbounds double, ptr %41, i64 %43
-  %45 = load double, ptr %44, align 8
-  %46 = fmul contract double %40, %45
-  %47 = load ptr, ptr %8, align 8
-  %48 = load i32, ptr %9, align 4
-  %49 = sext i32 %48 to i64
-  %50 = getelementptr inbounds double, ptr %47, i64 %49
-  %51 = load double, ptr %50, align 8
-  %52 = fadd contract double %51, %46
-  store double %52, ptr %50, align 8
-  br label %53
-
-53:                                               ; preds = %32
-  %54 = load i32, ptr %10, align 4
-  %55 = add nsw i32 %54, 1
-  store i32 %55, ptr %10, align 4
-  br label %29, !llvm.loop !21
-
-56:                                               ; preds = %29
-  br label %57
-
-57:                                               ; preds = %56, %23, %14
-  br label %58
-
-58:                                               ; preds = %57
-  %59 = load i32, ptr %9, align 4
-  %60 = add nsw i32 %59, 1
-  store i32 %60, ptr %9, align 4
-  br label %11, !llvm.loop !22
-
-61:                                               ; preds = %11
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z20ContractTransposeY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #2 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [6 x double], align 8
-  %10 = alloca i32, align 4
-  %11 = alloca i32, align 4
-  %12 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %10, align 4
-  br label %13
-
-13:                                               ; preds = %30, %4
-  %14 = load i32, ptr %10, align 4
-  %15 = icmp slt i32 %14, 6
-  br i1 %15, label %16, label %33
-
-16:                                               ; preds = %13
-  %17 = load ptr, ptr %7, align 8
-  %18 = load ptr, ptr %5, align 8
-  %19 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %18, i32 0, i32 1
-  %20 = load i32, ptr %19, align 4
-  %21 = load i32, ptr %10, align 4
-  %22 = mul nsw i32 %21, 5
-  %23 = add nsw i32 %20, %22
-  %24 = sext i32 %23 to i64
-  %25 = getelementptr inbounds double, ptr %17, i64 %24
-  %26 = load double, ptr %25, align 8
-  %27 = load i32, ptr %10, align 4
-  %28 = sext i32 %27 to i64
-  %29 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 %28
-  store double %26, ptr %29, align 8
-  br label %30
-
-30:                                               ; preds = %16
-  %31 = load i32, ptr %10, align 4
-  %32 = add nsw i32 %31, 1
-  store i32 %32, ptr %10, align 4
-  br label %13, !llvm.loop !23
-
-33:                                               ; preds = %13
-  store i32 0, ptr %11, align 4
-  br label %34
-
-34:                                               ; preds = %102, %33
-  %35 = load i32, ptr %11, align 4
-  %36 = icmp slt i32 %35, 5
-  br i1 %36, label %37, label %105
-
-37:                                               ; preds = %34
-  call void @llvm.nvvm.barrier0()
-  %38 = load ptr, ptr %6, align 8
-  %39 = load i32, ptr %11, align 4
-  %40 = sext i32 %39 to i64
-  %41 = getelementptr inbounds double, ptr %38, i64 %40
-  %42 = load double, ptr %41, align 8
-  %43 = load ptr, ptr %5, align 8
-  %44 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %43, i32 0, i32 4
-  %45 = load ptr, ptr %44, align 8
-  %46 = load ptr, ptr %5, align 8
-  %47 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %46, i32 0, i32 0
-  %48 = load i32, ptr %47, align 8
-  %49 = load ptr, ptr %5, align 8
-  %50 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %49, i32 0, i32 1
-  %51 = load i32, ptr %50, align 4
-  %52 = mul nsw i32 %51, 6
-  %53 = add nsw i32 %48, %52
-  %54 = sext i32 %53 to i64
-  %55 = getelementptr inbounds double, ptr %45, i64 %54
-  store double %42, ptr %55, align 8
-  call void @llvm.nvvm.barrier0()
-  %56 = load ptr, ptr %8, align 8
-  %57 = load i32, ptr %11, align 4
-  %58 = sext i32 %57 to i64
-  %59 = getelementptr inbounds double, ptr %56, i64 %58
-  store double 0.000000e+00, ptr %59, align 8
-  %60 = load ptr, ptr %5, align 8
-  %61 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %60, i32 0, i32 0
-  %62 = load i32, ptr %61, align 8
-  %63 = icmp slt i32 %62, 6
-  br i1 %63, label %64, label %101
-
-64:                                               ; preds = %37
-  %65 = load ptr, ptr %5, align 8
-  %66 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %65, i32 0, i32 1
-  %67 = load i32, ptr %66, align 4
-  %68 = icmp slt i32 %67, 5
-  br i1 %68, label %69, label %101
-
-69:                                               ; preds = %64
-  store i32 0, ptr %12, align 4
-  br label %70
-
-70:                                               ; preds = %97, %69
-  %71 = load i32, ptr %12, align 4
-  %72 = icmp slt i32 %71, 6
-  br i1 %72, label %73, label %100
-
-73:                                               ; preds = %70
-  %74 = load i32, ptr %12, align 4
-  %75 = sext i32 %74 to i64
-  %76 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 %75
-  %77 = load double, ptr %76, align 8
-  %78 = load ptr, ptr %5, align 8
-  %79 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %78, i32 0, i32 4
-  %80 = load ptr, ptr %79, align 8
-  %81 = load ptr, ptr %5, align 8
-  %82 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %81, i32 0, i32 0
-  %83 = load i32, ptr %82, align 8
-  %84 = load i32, ptr %12, align 4
-  %85 = mul nsw i32 %84, 6
-  %86 = add nsw i32 %83, %85
-  %87 = sext i32 %86 to i64
-  %88 = getelementptr inbounds double, ptr %80, i64 %87
-  %89 = load double, ptr %88, align 8
-  %90 = fmul contract double %77, %89
-  %91 = load ptr, ptr %8, align 8
-  %92 = load i32, ptr %11, align 4
-  %93 = sext i32 %92 to i64
-  %94 = getelementptr inbounds double, ptr %91, i64 %93
-  %95 = load double, ptr %94, align 8
-  %96 = fadd contract double %95, %90
-  store double %96, ptr %94, align 8
-  br label %97
-
-97:                                               ; preds = %73
-  %98 = load i32, ptr %12, align 4
-  %99 = add nsw i32 %98, 1
-  store i32 %99, ptr %12, align 4
-  br label %70, !llvm.loop !24
-
-100:                                              ; preds = %70
-  br label %101
-
-101:                                              ; preds = %100, %64, %37
-  br label %102
-
-102:                                              ; preds = %101
-  %103 = load i32, ptr %11, align 4
-  %104 = add nsw i32 %103, 1
-  store i32 %104, ptr %11, align 4
-  br label %34, !llvm.loop !25
-
-105:                                              ; preds = %34
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z20ContractTransposeX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #2 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [6 x double], align 8
-  %10 = alloca i32, align 4
-  %11 = alloca i32, align 4
-  %12 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %10, align 4
-  br label %13
-
-13:                                               ; preds = %30, %4
-  %14 = load i32, ptr %10, align 4
-  %15 = icmp slt i32 %14, 6
-  br i1 %15, label %16, label %33
-
-16:                                               ; preds = %13
-  %17 = load ptr, ptr %7, align 8
-  %18 = load ptr, ptr %5, align 8
-  %19 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %18, i32 0, i32 0
-  %20 = load i32, ptr %19, align 8
-  %21 = load i32, ptr %10, align 4
-  %22 = mul nsw i32 %21, 5
-  %23 = add nsw i32 %20, %22
-  %24 = sext i32 %23 to i64
-  %25 = getelementptr inbounds double, ptr %17, i64 %24
-  %26 = load double, ptr %25, align 8
-  %27 = load i32, ptr %10, align 4
-  %28 = sext i32 %27 to i64
-  %29 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 %28
-  store double %26, ptr %29, align 8
-  br label %30
-
-30:                                               ; preds = %16
-  %31 = load i32, ptr %10, align 4
-  %32 = add nsw i32 %31, 1
-  store i32 %32, ptr %10, align 4
-  br label %13, !llvm.loop !26
-
-33:                                               ; preds = %13
-  store i32 0, ptr %11, align 4
-  br label %34
-
-34:                                               ; preds = %102, %33
-  %35 = load i32, ptr %11, align 4
-  %36 = icmp slt i32 %35, 5
-  br i1 %36, label %37, label %105
-
-37:                                               ; preds = %34
-  call void @llvm.nvvm.barrier0()
-  %38 = load ptr, ptr %6, align 8
-  %39 = load i32, ptr %11, align 4
-  %40 = sext i32 %39 to i64
-  %41 = getelementptr inbounds double, ptr %38, i64 %40
-  %42 = load double, ptr %41, align 8
-  %43 = load ptr, ptr %5, align 8
-  %44 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %43, i32 0, i32 4
-  %45 = load ptr, ptr %44, align 8
-  %46 = load ptr, ptr %5, align 8
-  %47 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %46, i32 0, i32 0
-  %48 = load i32, ptr %47, align 8
-  %49 = load ptr, ptr %5, align 8
-  %50 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %49, i32 0, i32 1
-  %51 = load i32, ptr %50, align 4
-  %52 = mul nsw i32 %51, 6
-  %53 = add nsw i32 %48, %52
-  %54 = sext i32 %53 to i64
-  %55 = getelementptr inbounds double, ptr %45, i64 %54
-  store double %42, ptr %55, align 8
-  call void @llvm.nvvm.barrier0()
-  %56 = load ptr, ptr %8, align 8
-  %57 = load i32, ptr %11, align 4
-  %58 = sext i32 %57 to i64
-  %59 = getelementptr inbounds double, ptr %56, i64 %58
-  store double 0.000000e+00, ptr %59, align 8
-  %60 = load ptr, ptr %5, align 8
-  %61 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %60, i32 0, i32 0
-  %62 = load i32, ptr %61, align 8
-  %63 = icmp slt i32 %62, 5
-  br i1 %63, label %64, label %101
-
-64:                                               ; preds = %37
-  %65 = load ptr, ptr %5, align 8
-  %66 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %65, i32 0, i32 1
-  %67 = load i32, ptr %66, align 4
-  %68 = icmp slt i32 %67, 5
-  br i1 %68, label %69, label %101
-
-69:                                               ; preds = %64
-  store i32 0, ptr %12, align 4
-  br label %70
-
-70:                                               ; preds = %97, %69
-  %71 = load i32, ptr %12, align 4
-  %72 = icmp slt i32 %71, 6
-  br i1 %72, label %73, label %100
-
-73:                                               ; preds = %70
-  %74 = load i32, ptr %12, align 4
-  %75 = sext i32 %74 to i64
-  %76 = getelementptr inbounds [6 x double], ptr %9, i64 0, i64 %75
-  %77 = load double, ptr %76, align 8
-  %78 = load ptr, ptr %5, align 8
-  %79 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %78, i32 0, i32 4
-  %80 = load ptr, ptr %79, align 8
-  %81 = load i32, ptr %12, align 4
-  %82 = load ptr, ptr %5, align 8
-  %83 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %82, i32 0, i32 1
-  %84 = load i32, ptr %83, align 4
-  %85 = mul nsw i32 %84, 6
-  %86 = add nsw i32 %81, %85
-  %87 = sext i32 %86 to i64
-  %88 = getelementptr inbounds double, ptr %80, i64 %87
-  %89 = load double, ptr %88, align 8
-  %90 = fmul contract double %77, %89
-  %91 = load ptr, ptr %8, align 8
-  %92 = load i32, ptr %11, align 4
-  %93 = sext i32 %92 to i64
-  %94 = getelementptr inbounds double, ptr %91, i64 %93
-  %95 = load double, ptr %94, align 8
-  %96 = fadd contract double %95, %90
-  store double %96, ptr %94, align 8
-  br label %97
-
-97:                                               ; preds = %73
-  %98 = load i32, ptr %12, align 4
-  %99 = add nsw i32 %98, 1
-  store i32 %99, ptr %12, align 4
-  br label %70, !llvm.loop !27
-
-100:                                              ; preds = %70
-  br label %101
-
-101:                                              ; preds = %100, %64, %37
-  br label %102
-
-102:                                              ; preds = %101
-  %103 = load i32, ptr %11, align 4
-  %104 = add nsw i32 %103, 1
-  store i32 %104, ptr %11, align 4
-  br label %34, !llvm.loop !28
-
-105:                                              ; preds = %34
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z11ContractX3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #2 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [5 x double], align 8
-  %10 = alloca i32, align 4
-  %11 = alloca i32, align 4
-  %12 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %10, align 4
-  br label %13
-
-13:                                               ; preds = %30, %4
-  %14 = load i32, ptr %10, align 4
-  %15 = icmp slt i32 %14, 5
-  br i1 %15, label %16, label %33
-
-16:                                               ; preds = %13
-  %17 = load ptr, ptr %7, align 8
-  %18 = load i32, ptr %10, align 4
-  %19 = load ptr, ptr %5, align 8
-  %20 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %19, i32 0, i32 0
-  %21 = load i32, ptr %20, align 8
-  %22 = mul nsw i32 %21, 5
-  %23 = add nsw i32 %18, %22
-  %24 = sext i32 %23 to i64
-  %25 = getelementptr inbounds double, ptr %17, i64 %24
-  %26 = load double, ptr %25, align 8
-  %27 = load i32, ptr %10, align 4
-  %28 = sext i32 %27 to i64
-  %29 = getelementptr inbounds [5 x double], ptr %9, i64 0, i64 %28
-  store double %26, ptr %29, align 8
-  br label %30
-
-30:                                               ; preds = %16
-  %31 = load i32, ptr %10, align 4
-  %32 = add nsw i32 %31, 1
-  store i32 %32, ptr %10, align 4
-  br label %13, !llvm.loop !29
-
-33:                                               ; preds = %13
-  store i32 0, ptr %11, align 4
-  br label %34
-
-34:                                               ; preds = %102, %33
-  %35 = load i32, ptr %11, align 4
-  %36 = icmp slt i32 %35, 5
-  br i1 %36, label %37, label %105
-
-37:                                               ; preds = %34
-  call void @llvm.nvvm.barrier0()
-  %38 = load ptr, ptr %6, align 8
-  %39 = load i32, ptr %11, align 4
-  %40 = sext i32 %39 to i64
-  %41 = getelementptr inbounds double, ptr %38, i64 %40
-  %42 = load double, ptr %41, align 8
-  %43 = load ptr, ptr %5, align 8
-  %44 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %43, i32 0, i32 4
-  %45 = load ptr, ptr %44, align 8
-  %46 = load ptr, ptr %5, align 8
-  %47 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %46, i32 0, i32 0
-  %48 = load i32, ptr %47, align 8
-  %49 = load ptr, ptr %5, align 8
-  %50 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %49, i32 0, i32 1
-  %51 = load i32, ptr %50, align 4
-  %52 = mul nsw i32 %51, 6
-  %53 = add nsw i32 %48, %52
-  %54 = sext i32 %53 to i64
-  %55 = getelementptr inbounds double, ptr %45, i64 %54
-  store double %42, ptr %55, align 8
-  call void @llvm.nvvm.barrier0()
-  %56 = load ptr, ptr %8, align 8
-  %57 = load i32, ptr %11, align 4
-  %58 = sext i32 %57 to i64
-  %59 = getelementptr inbounds double, ptr %56, i64 %58
-  store double 0.000000e+00, ptr %59, align 8
-  %60 = load ptr, ptr %5, align 8
-  %61 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %60, i32 0, i32 0
-  %62 = load i32, ptr %61, align 8
-  %63 = icmp slt i32 %62, 6
-  br i1 %63, label %64, label %101
-
-64:                                               ; preds = %37
-  %65 = load ptr, ptr %5, align 8
-  %66 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %65, i32 0, i32 1
-  %67 = load i32, ptr %66, align 4
-  %68 = icmp slt i32 %67, 5
-  br i1 %68, label %69, label %101
-
-69:                                               ; preds = %64
-  store i32 0, ptr %12, align 4
-  br label %70
-
-70:                                               ; preds = %97, %69
-  %71 = load i32, ptr %12, align 4
-  %72 = icmp slt i32 %71, 5
-  br i1 %72, label %73, label %100
-
-73:                                               ; preds = %70
-  %74 = load i32, ptr %12, align 4
-  %75 = sext i32 %74 to i64
-  %76 = getelementptr inbounds [5 x double], ptr %9, i64 0, i64 %75
-  %77 = load double, ptr %76, align 8
-  %78 = load ptr, ptr %5, align 8
-  %79 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %78, i32 0, i32 4
-  %80 = load ptr, ptr %79, align 8
-  %81 = load i32, ptr %12, align 4
-  %82 = load ptr, ptr %5, align 8
-  %83 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %82, i32 0, i32 1
-  %84 = load i32, ptr %83, align 4
-  %85 = mul nsw i32 %84, 6
-  %86 = add nsw i32 %81, %85
-  %87 = sext i32 %86 to i64
-  %88 = getelementptr inbounds double, ptr %80, i64 %87
-  %89 = load double, ptr %88, align 8
-  %90 = fmul contract double %77, %89
-  %91 = load ptr, ptr %8, align 8
-  %92 = load i32, ptr %11, align 4
-  %93 = sext i32 %92 to i64
-  %94 = getelementptr inbounds double, ptr %91, i64 %93
-  %95 = load double, ptr %94, align 8
-  %96 = fadd contract double %95, %90
-  store double %96, ptr %94, align 8
-  br label %97
-
-97:                                               ; preds = %73
-  %98 = load i32, ptr %12, align 4
-  %99 = add nsw i32 %98, 1
-  store i32 %99, ptr %12, align 4
-  br label %70, !llvm.loop !30
-
-100:                                              ; preds = %70
-  br label %101
-
-101:                                              ; preds = %100, %64, %37
-  br label %102
-
-102:                                              ; preds = %101
-  %103 = load i32, ptr %11, align 4
-  %104 = add nsw i32 %103, 1
-  store i32 %104, ptr %11, align 4
-  br label %34, !llvm.loop !31
-
-105:                                              ; preds = %34
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z11ContractY3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #2 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca [5 x double], align 8
-  %10 = alloca i32, align 4
-  %11 = alloca i32, align 4
-  %12 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %10, align 4
-  br label %13
-
-13:                                               ; preds = %30, %4
-  %14 = load i32, ptr %10, align 4
-  %15 = icmp slt i32 %14, 5
-  br i1 %15, label %16, label %33
-
-16:                                               ; preds = %13
-  %17 = load ptr, ptr %7, align 8
-  %18 = load i32, ptr %10, align 4
-  %19 = load ptr, ptr %5, align 8
-  %20 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %19, i32 0, i32 1
-  %21 = load i32, ptr %20, align 4
-  %22 = mul nsw i32 %21, 5
-  %23 = add nsw i32 %18, %22
-  %24 = sext i32 %23 to i64
-  %25 = getelementptr inbounds double, ptr %17, i64 %24
-  %26 = load double, ptr %25, align 8
-  %27 = load i32, ptr %10, align 4
-  %28 = sext i32 %27 to i64
-  %29 = getelementptr inbounds [5 x double], ptr %9, i64 0, i64 %28
-  store double %26, ptr %29, align 8
-  br label %30
-
-30:                                               ; preds = %16
-  %31 = load i32, ptr %10, align 4
-  %32 = add nsw i32 %31, 1
-  store i32 %32, ptr %10, align 4
-  br label %13, !llvm.loop !32
-
-33:                                               ; preds = %13
-  store i32 0, ptr %11, align 4
-  br label %34
-
-34:                                               ; preds = %102, %33
-  %35 = load i32, ptr %11, align 4
-  %36 = icmp slt i32 %35, 5
-  br i1 %36, label %37, label %105
-
-37:                                               ; preds = %34
-  call void @llvm.nvvm.barrier0()
-  %38 = load ptr, ptr %6, align 8
-  %39 = load i32, ptr %11, align 4
-  %40 = sext i32 %39 to i64
-  %41 = getelementptr inbounds double, ptr %38, i64 %40
-  %42 = load double, ptr %41, align 8
-  %43 = load ptr, ptr %5, align 8
-  %44 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %43, i32 0, i32 4
-  %45 = load ptr, ptr %44, align 8
-  %46 = load ptr, ptr %5, align 8
-  %47 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %46, i32 0, i32 0
-  %48 = load i32, ptr %47, align 8
-  %49 = load ptr, ptr %5, align 8
-  %50 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %49, i32 0, i32 1
-  %51 = load i32, ptr %50, align 4
-  %52 = mul nsw i32 %51, 6
-  %53 = add nsw i32 %48, %52
-  %54 = sext i32 %53 to i64
-  %55 = getelementptr inbounds double, ptr %45, i64 %54
-  store double %42, ptr %55, align 8
-  call void @llvm.nvvm.barrier0()
-  %56 = load ptr, ptr %8, align 8
-  %57 = load i32, ptr %11, align 4
-  %58 = sext i32 %57 to i64
-  %59 = getelementptr inbounds double, ptr %56, i64 %58
-  store double 0.000000e+00, ptr %59, align 8
-  %60 = load ptr, ptr %5, align 8
-  %61 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %60, i32 0, i32 0
-  %62 = load i32, ptr %61, align 8
-  %63 = icmp slt i32 %62, 6
-  br i1 %63, label %64, label %101
-
-64:                                               ; preds = %37
-  %65 = load ptr, ptr %5, align 8
-  %66 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %65, i32 0, i32 1
-  %67 = load i32, ptr %66, align 4
-  %68 = icmp slt i32 %67, 6
-  br i1 %68, label %69, label %101
-
-69:                                               ; preds = %64
-  store i32 0, ptr %12, align 4
-  br label %70
-
-70:                                               ; preds = %97, %69
-  %71 = load i32, ptr %12, align 4
-  %72 = icmp slt i32 %71, 5
-  br i1 %72, label %73, label %100
-
-73:                                               ; preds = %70
-  %74 = load i32, ptr %12, align 4
-  %75 = sext i32 %74 to i64
-  %76 = getelementptr inbounds [5 x double], ptr %9, i64 0, i64 %75
-  %77 = load double, ptr %76, align 8
-  %78 = load ptr, ptr %5, align 8
-  %79 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %78, i32 0, i32 4
-  %80 = load ptr, ptr %79, align 8
-  %81 = load ptr, ptr %5, align 8
-  %82 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %81, i32 0, i32 0
-  %83 = load i32, ptr %82, align 8
-  %84 = load i32, ptr %12, align 4
-  %85 = mul nsw i32 %84, 6
-  %86 = add nsw i32 %83, %85
-  %87 = sext i32 %86 to i64
-  %88 = getelementptr inbounds double, ptr %80, i64 %87
-  %89 = load double, ptr %88, align 8
-  %90 = fmul contract double %77, %89
-  %91 = load ptr, ptr %8, align 8
-  %92 = load i32, ptr %11, align 4
-  %93 = sext i32 %92 to i64
-  %94 = getelementptr inbounds double, ptr %91, i64 %93
-  %95 = load double, ptr %94, align 8
-  %96 = fadd contract double %95, %90
-  store double %96, ptr %94, align 8
-  br label %97
-
-97:                                               ; preds = %73
-  %98 = load i32, ptr %12, align 4
-  %99 = add nsw i32 %98, 1
-  store i32 %99, ptr %12, align 4
-  br label %70, !llvm.loop !33
-
-100:                                              ; preds = %70
-  br label %101
-
-101:                                              ; preds = %100, %64, %37
-  br label %102
-
-102:                                              ; preds = %101
-  %103 = load i32, ptr %11, align 4
-  %104 = add nsw i32 %103, 1
-  store i32 %104, ptr %11, align 4
-  br label %34, !llvm.loop !34
-
-105:                                              ; preds = %34
-  ret void
-}
-
-; Function Attrs: convergent mustprogress noinline nounwind optnone
-define linkonce_odr dso_local void @_Z11ContractZ3dILi1ELi5ELi6ELi6EEvR15SharedData_CudaPKdS3_Pd(ptr noundef nonnull align 8 dereferenceable(24) %0, ptr noundef %1, ptr noundef %2, ptr noundef %3) #2 comdat {
-  %5 = alloca ptr, align 8
-  %6 = alloca ptr, align 8
-  %7 = alloca ptr, align 8
-  %8 = alloca ptr, align 8
-  %9 = alloca i32, align 4
-  %10 = alloca i32, align 4
-  store ptr %0, ptr %5, align 8
-  store ptr %1, ptr %6, align 8
-  store ptr %2, ptr %7, align 8
-  store ptr %3, ptr %8, align 8
-  store i32 0, ptr %9, align 4
-  br label %11
-
-11:                                               ; preds = %58, %4
-  %12 = load i32, ptr %9, align 4
-  %13 = icmp slt i32 %12, 6
-  br i1 %13, label %14, label %61
-
-14:                                               ; preds = %11
-  %15 = load ptr, ptr %8, align 8
-  %16 = load i32, ptr %9, align 4
-  %17 = sext i32 %16 to i64
-  %18 = getelementptr inbounds double, ptr %15, i64 %17
-  store double 0.000000e+00, ptr %18, align 8
-  %19 = load ptr, ptr %5, align 8
-  %20 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %19, i32 0, i32 0
-  %21 = load i32, ptr %20, align 8
-  %22 = icmp slt i32 %21, 6
-  br i1 %22, label %23, label %57
-
-23:                                               ; preds = %14
-  %24 = load ptr, ptr %5, align 8
-  %25 = getelementptr inbounds nuw %struct.SharedData_Cuda, ptr %24, i32 0, i32 1
-  %26 = load i32, ptr %25, align 4
-  %27 = icmp slt i32 %26, 6
-  br i1 %27, label %28, label %57
-
-28:                                               ; preds = %23
-  store i32 0, ptr %10, align 4
-  br label %29
-
-29:                                               ; preds = %53, %28
-  %30 = load i32, ptr %10, align 4
-  %31 = icmp slt i32 %30, 5
-  br i1 %31, label %32, label %56
-
-32:                                               ; preds = %29
-  %33 = load ptr, ptr %7, align 8
-  %34 = load i32, ptr %10, align 4
-  %35 = load i32, ptr %9, align 4
-  %36 = mul nsw i32 %35, 5
-  %37 = add nsw i32 %34, %36
-  %38 = sext i32 %37 to i64
-  %39 = getelementptr inbounds double, ptr %33, i64 %38
-  %40 = load double, ptr %39, align 8
-  %41 = load ptr, ptr %6, align 8
-  %42 = load i32, ptr %10, align 4
-  %43 = sext i32 %42 to i64
-  %44 = getelementptr inbounds double, ptr %41, i64 %43
-  %45 = load double, ptr %44, align 8
-  %46 = fmul contract double %40, %45
-  %47 = load ptr, ptr %8, align 8
-  %48 = load i32, ptr %9, align 4
-  %49 = sext i32 %48 to i64
-  %50 = getelementptr inbounds double, ptr %47, i64 %49
-  %51 = load double, ptr %50, align 8
-  %52 = fadd contract double %51, %46
-  store double %52, ptr %50, align 8
-  br label %53
-
-53:                                               ; preds = %32
-  %54 = load i32, ptr %10, align 4
-  %55 = add nsw i32 %54, 1
-  store i32 %55, ptr %10, align 4
-  br label %29, !llvm.loop !35
-
-56:                                               ; preds = %29
-  br label %57
-
-57:                                               ; preds = %56, %23, %14
-  br label %58
-
-58:                                               ; preds = %57
-  %59 = load i32, ptr %9, align 4
-  %60 = add nsw i32 %59, 1
-  store i32 %60, ptr %9, align 4
-  br label %11, !llvm.loop !36
-
-61:                                               ; preds = %11
-  ret void
-}
-
-; Function Attrs: nofree norecurse nosync nounwind memory(readwrite, inaccessiblemem: none)
-define internal noundef signext i8 @apply_mass_rs(ptr nocapture noundef readnone %0, i32 noundef %1, ptr nocapture noundef readonly %2, ptr nocapture noundef readonly %3) #4 {
-  %5 = load ptr, ptr %2, align 8, !noundef !37
-  %6 = getelementptr inbounds nuw i8, ptr %2, i64 8
-  %7 = load ptr, ptr %6, align 8, !noundef !37
-  %8 = sext i32 %1 to i64
-  %9 = load ptr, ptr %3, align 8, !noundef !37
-  %10 = icmp eq i32 %1, 0
-  br i1 %10, label %11, label %12
-
-11:                                               ; preds = %12, %4
-  ret i8 0
-
-12:                                               ; preds = %12, %4
-  %13 = phi i64 [ %14, %12 ], [ 0, %4 ]
-  %14 = add nuw i64 %13, 1
-  %15 = getelementptr inbounds nuw double, ptr %7, i64 %13
-  %16 = load double, ptr %15, align 8, !noundef !37
-  %17 = getelementptr inbounds nuw double, ptr %5, i64 %13
-  %18 = load double, ptr %17, align 8, !noundef !37
-  %19 = getelementptr inbounds nuw double, ptr %9, i64 %13
-  %20 = fmul double %16, %18
-  store double %20, ptr %19, align 8
-  %21 = icmp eq i64 %14, %8
-  br i1 %21, label %11, label %12
-}
-
-attributes #0 = { convergent mustprogress noinline norecurse nounwind optnone "frame-pointer"="all" "no-trapping-math"="true" "stack-protector-buffer-size"="8" "target-cpu"="sm_89" "target-features"="+ptx87,+sm_89" "uniform-work-group-size"="true" }
-attributes #1 = { nocallback nofree nosync nounwind speculatable willreturn memory(none) }
-attributes #2 = { convergent mustprogress noinline nounwind optnone "frame-pointer"="all" "no-trapping-math"="true" "stack-protector-buffer-size"="8" "target-cpu"="sm_89" "target-features"="+ptx87,+sm_89" }
-attributes #3 = { convergent nocallback nounwind }
-attributes #4 = { nofree norecurse nosync nounwind memory(readwrite, inaccessiblemem: none) "target-cpu"="sm_30" }
-attributes #5 = { convergent nounwind }
-
-!nvvm.annotations = !{!0}
-!llvm.ident = !{!1, !2, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3, !3}
-!nvvmir.version = !{!4}
-!llvm.module.flags = !{!5, !6, !7, !8, !9}
-
-!0 = !{ptr @CeedKernelCudaGenOperator_apply_mass}
-!1 = !{!"clang version 20.1.8"}
-!2 = !{!"clang version 3.8.0 (tags/RELEASE_380/final)"}
-!3 = !{!"rustc version 1.88.0-nightly (e9f8103f9 2025-05-07)"}
-!4 = !{i32 2, i32 0}
-!5 = !{i32 2, !"SDK Version", [2 x i32] [i32 12, i32 8]}
-!6 = !{i32 1, !"wchar_size", i32 4}
-!7 = !{i32 4, !"nvvm-reflect-ftz", i32 0}
-!8 = !{i32 7, !"frame-pointer", i32 2}
-!9 = !{i32 8, !"PIC Level", i32 0}
-!10 = distinct !{!10, !11}
-!11 = !{!"llvm.loop.mustprogress"}
-!12 = distinct !{!12, !11}
-!13 = distinct !{!13, !11}
-!14 = distinct !{!14, !11}
-!15 = distinct !{!15, !11}
-!16 = distinct !{!16, !11}
-!17 = distinct !{!17, !11}
-!18 = distinct !{!18, !11}
-!19 = distinct !{!19, !11}
-!20 = distinct !{!20, !11}
-!21 = distinct !{!21, !11}
-!22 = distinct !{!22, !11}
-!23 = distinct !{!23, !11}
-!24 = distinct !{!24, !11}
-!25 = distinct !{!25, !11}
-!26 = distinct !{!26, !11}
-!27 = distinct !{!27, !11}
-!28 = distinct !{!28, !11}
-!29 = distinct !{!29, !11}
-!30 = distinct !{!30, !11}
-!31 = distinct !{!31, !11}
-!32 = distinct !{!32, !11}
-!33 = distinct !{!33, !11}
-!34 = distinct !{!34, !11}
-!35 = distinct !{!35, !11}
-!36 = distinct !{!36, !11}
-!37 = !{}
diff --git a/temp_kernel_opt.bc b/temp_kernel_opt.bc
deleted file mode 100644
index a6e580e2..00000000
Binary files a/temp_kernel_opt.bc and /dev/null differ
diff --git a/temp_kernel_source.cu b/temp_kernel_source.cu
deleted file mode 100644
index 580f7e34..00000000
--- a/temp_kernel_source.cu
+++ /dev/null
@@ -1,130 +0,0 @@
-#define OP_T_1D 6
-#include <ceed/jit-source/cuda/cuda-jit.h>
-
-// Tensor basis source
-#include <ceed/jit-source/cuda/cuda-shared-basis-tensor-templates.h>
-
-// CodeGen operator source
-#include <ceed/jit-source/cuda/cuda-gen-templates.h>
-
-
-#undef CEED_Q_VLA
-#define CEED_Q_VLA 6
-
-// User QFunction source
-#include "/home/jeremy/Dev/libCEED-rust/examples/rust-qfunctions/ex1-volume.h"
-
-
-// -----------------------------------------------------------------------------
-// Operator Kernel
-// 
-// d_[in,out]_i:   CeedVector device array
-// r_[in,out]_e_i: Element vector register
-// r_[in,out]_q_i: Quadrature space vector register
-// r_[in,out]_c_i: AtPoints Chebyshev coefficients register
-// r_[in,out]_s_i: Quadrature space slice vector register
-// 
-// s_B_[in,out]_i: Interpolation matrix, shared memory
-// s_G_[in,out]_i: Gradient matrix, shared memory
-// -----------------------------------------------------------------------------
-extern "C" __global__ void CeedKernelCudaGenOperator_apply_mass(CeedInt num_elem, void* ctx, FieldsInt_Cuda indices, Fields_Cuda fields, Fields_Cuda B, Fields_Cuda G, CeedScalar *W, Points_Cuda points) {
-  const CeedScalar *__restrict__ d_in_0 = fields.inputs[0];
-  const CeedScalar *__restrict__ d_in_1 = fields.inputs[1];
-  CeedScalar *__restrict__ d_out_0 = fields.outputs[0];
-  const CeedInt max_dim = 3;
-  const CeedInt Q_1d = 6;
-  extern __shared__ CeedScalar slice[];
-  SharedData_Cuda data;
-  data.t_id_x = threadIdx.x;
-  data.t_id_y = threadIdx.y;
-  data.t_id_z = threadIdx.z;
-  data.t_id   = threadIdx.x + threadIdx.y*blockDim.x + threadIdx.z*blockDim.y*blockDim.x;
-  data.slice  = slice + data.t_id_z*OP_T_1D*OP_T_1D;
-
-  // Input field constants and basis data
-  // -- Input field 0: u
-  const CeedInt dim_in_0 = 3;
-  const CeedInt P_1d_in_0 = 5;
-  const CeedInt num_comp_in_0 = 1;
-  // EvalMode: interpolation
-  __shared__ CeedScalar s_B_in_0[P_1d_in_0*Q_1d];
-  LoadMatrix<P_1d_in_0, Q_1d>(data, B.inputs[0], s_B_in_0);
-  // -- Input field 1: qdata
-  const CeedInt dim_in_1 = 3;
-  const CeedInt P_1d_in_1 = 6;
-  const CeedInt num_comp_in_1 = 1;
-  // EvalMode: none
-
-  // Output field constants and basis data
-  // -- Output field 0: v
-  const CeedInt dim_out_0 = 3;
-  const CeedInt P_1d_out_0 = 5;
-  const CeedInt num_comp_out_0 = 1;
-  // EvalMode: interpolation
-  CeedScalar *s_B_out_0 = s_B_in_0;
-
-  // Element loop
-  __syncthreads();
-  for (CeedInt elem = blockIdx.x*blockDim.z + threadIdx.z; elem < num_elem; elem += gridDim.x*blockDim.z) {
-    // Scratch restriction buffer space
-    CeedScalar r_e_scratch[6];
-
-    // -- Input field restrictions and basis actions
-    // ---- Input field 0: u
-    CeedScalar *r_e_in_0 = r_e_scratch;
-    const CeedInt l_size_in_0 = 274625;
-    const CeedInt comp_stride_in_0 = 274625;
-    ReadLVecStandard3d<num_comp_in_0, comp_stride_in_0, P_1d_in_0>(data, l_size_in_0, elem, indices.inputs[0], d_in_0, r_e_in_0);
-    // EvalMode: interpolation
-    CeedScalar r_q_in_0[num_comp_in_0*Q_1d];
-    InterpTensor3d<num_comp_in_0, P_1d_in_0, Q_1d, OP_T_1D>(data, r_e_in_0, s_B_in_0, r_q_in_0);
-    // ---- Input field 1: qdata
-    CeedScalar r_e_in_1[num_comp_in_1*P_1d_in_1];
-    const CeedInt strides_in_1_0 = 1, strides_in_1_1 = 884736, strides_in_1_2 = 216;
-    ReadLVecStrided3d<num_comp_in_1, P_1d_in_1, strides_in_1_0, strides_in_1_1, strides_in_1_2>(data, elem, d_in_1, r_e_in_1);
-    // EvalMode: none
-    CeedScalar *r_q_in_1 = r_e_in_1;
-
-    // -- Output field setup
-    // ---- Output field 0: v
-    CeedScalar r_q_out_0[num_comp_out_0*Q_1d];
-
-    // Note: Using full elements
-    {
-      // -- Input fields
-      // ---- Input field 0: u
-      CeedScalar *r_s_in_0 = r_q_in_0;
-      // ---- Input field 1: qdata
-      CeedScalar *r_s_in_1 = r_q_in_1;
-      // -- Output fields
-      // ---- Output field 0: v
-      CeedScalar *r_s_out_0 = r_q_out_0;
-
-      // -- QFunction inputs and outputs
-      // ---- Inputs
-      CeedScalar *inputs[2];
-      // ------ Input field 0: u
-      inputs[0] = r_s_in_0;
-      // ------ Input field 1: qdata
-      inputs[1] = r_s_in_1;
-      // ---- Outputs
-      CeedScalar *outputs[1];
-      // ------ Output field 0: v
-      outputs[0] = r_s_out_0;
-
-      // -- Apply QFunction
-      apply_mass(ctx, Q_1d, inputs, outputs);
-    }
-
-    // -- Output field basis action and restrictions
-    // ---- Output field 0: v
-    // EvalMode: interpolation
-    CeedScalar *r_e_out_0 = r_e_scratch;
-    InterpTransposeTensor3d<num_comp_out_0, P_1d_out_0, Q_1d, OP_T_1D>(data, r_q_out_0, s_B_out_0, r_e_out_0);
-    const CeedInt l_size_out_0 = 274625;
-    const CeedInt comp_stride_out_0 = 274625;
-    WriteLVecStandard3d<num_comp_out_0, comp_stride_out_0, P_1d_out_0>(data, l_size_out_0, elem, indices.outputs[0], r_e_out_0, d_out_0);
-  }
-}
-// -----------------------------------------------------------------------------
-
diff --git a/tests/junit.py b/tests/junit.py
index b0144454..7237594b 100755
--- a/tests/junit.py
+++ b/tests/junit.py
@@ -51,6 +51,8 @@ class CeedSuiteSpec(SuiteSpec):
             Path: Path to source file
         """
         prefix, rest = test.split('-', 1)
+        if prefix == 'rustqfunctions':
+            return (Path('examples') / 'rust-qfunctions' / rest).with_suffix('.c')
         if prefix == 'petsc':
             return (Path('examples') / 'petsc' / rest).with_suffix('.c')
         elif prefix == 'mfem':

[jeremylt]

Re popen() not capturing all output: I think what we have is workable enough that we can push that to a follow-up issue to figure that out in better detail

[jeremylt]

Ope, examples/rust-qfunctions folder needs a makefile

[jeremylt]

Minor - makefile changes to properly clean up

diff --git a/Makefile b/Makefile
index 3a03310e..3b63519c 100644
--- a/Makefile
+++ b/Makefile
@@ -915,6 +915,7 @@ cln clean :
        $(call quiet,MAKE) -C examples clean NEK5K_DIR="$(abspath $(NEK5K_DIR))"
        $(call quiet,MAKE) -C python/tests clean
        $(RM) benchmarks/*output.txt
+       $(RM) -f temp_*
 
 distclean : clean
        $(RM) -r doc/html doc/sphinx/build $(CONFIG)
diff --git a/examples/Makefile b/examples/Makefile
index d32f406f..f220748b 100644
--- a/examples/Makefile
+++ b/examples/Makefile
@@ -53,10 +53,12 @@ fluids:
 
 solids:
        make CEED_DIR=$(CEED_DIR) PETSC_DIR=$(PETSC_DIR) PETSC_ARCH=$(PETSC_ARCH) -C solids all
+
 clean:
        +make -C ceed clean
        +make -C mfem clean
        +make -C nek clean
+       +make -C rust-qfunctions clean
        +make -C petsc clean
        +make -C fluids clean
        +make -C solids clean
diff --git a/examples/rust-qfunctions/Makefile b/examples/rust-qfunctions/Makefile
index 32fb5b02..324297c5 100644
--- a/examples/rust-qfunctions/Makefile
+++ b/examples/rust-qfunctions/Makefile
@@ -31,4 +31,5 @@ ex1-volume: ex1-volume.c
 
 clean:
        rm -f *~ $(EXAMPLES)
+       rm -f temp_*
        rm -rf *.dSYM *.TVD.*breakpoints

[jeremylt]

Ok, I think we'll have to merge to a staging branch to get CI to run