基于OpenACC并行化Fox矩阵乘法：数据依赖问题优化问询

我正在尝试用Fox算法实现矩阵乘法的并行化，该算法将整个过程分为三个步骤。以下是我的实现代码：

void matmul_fox(int *matrixA, int *matrixB, int *zeroMatrix, int n){
    #pragma acc kernels copyin(matrixA[0:n*n], matrixB[0:n*n]) copy(zeroMatrix[0:n*n])
    {
    // Operation 1
    #pragma acc loop independent
    for (int i = 0; i < n; i++){ // Extract the diagonal from arr1
        #pragma acc loop independent
        for (int j = 0; j < n; j++){ // Add arr3 and multiplication of diag(broadcasted)*arr2
            #pragma acc loop independent reduction (+: zeroMatrix[0:n*n])
            for (int k = 0; k < n; k++){
                zeroMatrix[j * n + k] += matrixA[j * n + j] * matrixB[j * n + k]; 
            }
        }

     
    // Operation 2
        // Shift-up on the rows of arr2
        #pragma acc loop independent
        for (int a = 0; a < n; a++) {
            int temp1 = matrixB[0 * n + a];
            #pragma acc loop independent
            for (int j = 0; j < n - 1; j++) {
                matrixB[j * n + a] = matrixB[(j + 1) * n + a];
        }
        matrixB[(n - 1) * n + a] = temp1;
    }
    // Operation 3
        // Shift-left on the rows of arr1
        #pragma acc loop independent
        for (int b = 0; b < n; b++){
            int temp2 = matrixA[b * n + 0]; // Store the first element of the row
            #pragma acc loop independent
            for (int j = 0; j < n - 1; j++){
                matrixA[b * n + j] = matrixA[b * n + (j+1)]; // Shift elements to the left
            }
        matrixA[b * n + (n - 1)] = temp2; // Place the first element at the end
        }
 
    }   }
}

目前遇到的问题：Operation 2与Operation 3存在数据依赖，无法直接将三个操作全部并行化。我了解到可以通过OpenACC的async、wait和update等子句解决该问题，理论上可以让Operation 2和Operation 3等待Operation 1完成后再并行执行（二者之间无依赖）。

当前的运行状况：

• 未使用wait子句时，因数据依赖导致计算结果错误；
• 不使用OpenACC时代码可正常运行，但执行时间比传统串行算法更长。

希望能找到正确实现Fox算法并行化的方案，以获得更优的性能。

内容的提问来源于stack exchange，提问作者pranavs1997