最優傳輸（Optimal Transport, OT）是機器學習中處理分佈匹配的基礎工具，而基於熵正則化的Sinkhorn算法因其高效性被廣泛應用於生成模型、領域自適應等領域。然而，現有實現面臨兩個主要挑戰：一是在小正則化參數下數值不穩定，二是依賴深度學習框架（如PyTorch）引入額外計算開銷。近期，研究者Hao Xiao提出FastSinkhorn，一種輕量級、原生的CUDA實現，完全在對數域中運行，結合warp級洗牌歸約（warp-level shuffle reductions）與共享內存分塊（shared-memory tiling），在保證數值穩定性的同時實現了極高的GPU利用率。
FastSinkhorn的核心創新在於其全對數域計算策略。標準域方法在處理epsilon低至10^{-4}的正則化參數時會因數值下溢或溢出而失效，而對數域方法通過將對數空間中的加法轉化為對數域中的特殊運算，有效避免了這些問題。實驗表明，在稠密最優傳輸問題（n=m=8192）上，FastSinkhorn相比廣泛使用的POT庫實現了12倍加速，相較基於PyTorch的GPU基線也有5.9倍的提升，而GPU內存消耗僅256 MB，遠低於傳統實現。
為了驗證實用性，研究者在圖像顏色遷移和3D點雲匹配等實際任務中測試了FastSinkhorn，並進行了收斂性分析。結果顯示，該算法不僅速度快，而且收斂行為穩定。此外，FastSinkhorn的代碼已在GitHub上開源，方便社區使用和擴展。這項研究證明，精心設計的原生CUDA內核結合周密的數值處理，可以為大規模最優傳輸計算提供既實用又高效的解決方案，為需要大規模OT的機器學習應用開闢了新可能性。