在Repa中，我想在我的数组的最里面维度上并行应用某个d维线性变换，即在所有“列”向量上。
通常，此类转换可以表示为矩阵M，M*v的每个条目只是M的适当行与[{1}}的点积。 }。所以我可以使用v和一个计算相应点积的函数。这需要花费traverse。
但是，我的d^2很特别：它允许使用线性工作顺序算法。例如，M可能是整个下三角形中具有M s的下三角矩阵。然后1只是M*v（a.k.a。“scan”）的部分和的向量。这些总和可以以显而易见的方式顺序计算，但需要结果的v st条目来有效地计算(i-1)条目。 （我有几个这样的i，所有这些都可以用线性连续时间的一种方式计算。）
我没有看到任何明显的方法来使用M（或任何其他Repa函数）来利用traverse的这个属性。可以吗？当有如此快速的线性工作算法时，使用M - 工作算法（即使具有丰富的并行性）将是非常浪费的。
（我看过一些旧的SO帖子（例如，here）提出了类似的问题，但没有一点与我的情况相符。）
更新
根据请求，这里有一些说明性代码，用于计算部分和的d^2（如上所述）。正如我所料，运行时（工作）在M中以超线性方式增长，这是数组范围的第二个参数（d）。这是因为ext仅指定如何计算输出的mulM'条目，而与所有其他条目无关。即使在阵列的总大小中存在线性时间算法，我也不知道如何在Repa中表达它。
有趣的是，如果我从i中删除定义清单array'的行，那么运行时只会在数组的总大小中线性缩放！因此，当数组被“一直向下”延迟时，融合/优化必须以某种方式提取线性工作算法，但没有任何明确的帮助。这太棒了，但对我来说也不是很有用，因为实际上我需要在清单数组上调用main。
mulM