docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_GD/GPU-Programming-with-CUDA.md

@@ -2,7 +2,7 @@
 id: HW-CUDA-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [[[Hardware]], gpu, cuda, [[Parallel-Computing]], c-cpp, ai-acceleration]
+tags: [[Hardware|[Hardware]], gpu, cuda, [[Parallel-Computing|Parallel-Computing]], c-cpp, ai-acceleration]
 last_reinforced: 2026-04-26
 ---
 
@@ -15,8 +15,8 @@ last_reinforced: 2026-04-26
 - **추출된 패턴:** "Single Instruction, Multiple Threads (SIMT)" — 하나의 명령을 수많은 데이터에 동시에 적용하기 위해 작업을 그리드(Grid), 블록(Block), 스레드(Thread) 단위로 쪼개어 GPU 하드웨어에 매핑하는 병렬 코딩 패턴.
 - **핵심 개념:**
     - **Kernel:** GPU에서 병렬로 실행되는 함수 단위.
-    - **[[memory]] Hierarchy:** Host(CPU)와 Device(GPU) 간의 메모리 복사, 그리고 Global, Shared, Local 메모리의 전략적 활용.
-    - **Parallelism [[Optimization]]:** 스레드 간의 데이터 동기화와 메모리 접근 패턴(Coalescing) 최적화.
+    - **[[memory|memory]] Hierarchy:** Host(CPU)와 Device(GPU) 간의 메모리 복사, 그리고 Global, Shared, Local 메모리의 전략적 활용.
+    - **Parallelism [[Optimization|Optimization]]:** 스레드 간의 데이터 동기화와 메모리 접근 패턴(Coalescing) 최적화.
     - **Libraries:** cuBLAS, cuDNN 등 딥러닝 연산에 최적화된 저수준 라이브러리 활용.
 - **의의:** 딥러닝 프레임워크(PyTorch, TensorFlow)의 밑바닥을 지탱하며, AI 연구자가 하드웨어의 성능을 100% 이끌어낼 수 있게 함.
 
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 벡터 연산이나 커스텀 신경망 레이어 최적화가 필요할 때, CUDA 커널을 직접 작성하거나 최적화된 하드웨어 가속 라이브러리를 호출하여 성능 병목을 해결함.
 
 ## 🔗 지식 연결 (Graph)
-- [[GPU-Architecture]]-for-AI, [[Parallel-Computing]], [[Distributed-Computing]], [[Deep-Learning]]-Foundations
+- [[GPU-Architecture|GPU-Architecture]]-for-AI, [[Parallel-Computing|Parallel-Computing]], [[Distributed-Computing|Distributed-Computing]], [[Deep-Learning|Deep-Learning]]-Foundations
 - **Raw Source:** 10_Wiki/Topics/AI/GPU-Programming-with-CUDA.md