本論文では、深層神経ネットワーク（DNN）の高性能な実装の自動生成を目的としたコンパイラアルゴリズムについて述べています。DNNは画像認識や音声認識、翻訳など幅広い分野で利用されていますが、そのトレーニングや推論は計算コストが高く、リアルタイムでの処理が求められます。従来、専門プログラマーによる手動最適化コードが必要でしたが、著者らは新しいポリヘドラルモデルを用いたデータ再利用分析アルゴリズムを開発し、これにより自動的な効率的実行スケジュールの生成を可能にしました。また、DLプライムにおける行列積の役割を考慮し、ライブラリ実装を組み込む柔軟なフレームワークを提案しています。このアプローチにより、手動最適化ライブラリに匹敵する高性能を実現し、演算子融合を通じてメモリ階層内のデータ移動も削減しています。