Futharkเป็นภาษาโปรแกรมแบบหลายพาราดิกม์ระดับสูงเชิงฟังก์ชันแบบขนานข้อมูลและแบบอาร์เรย์ เป็นภาษาถิ่นของภาษาMLซึ่งพัฒนาขึ้นครั้งแรกที่ภาควิชาวิทยาการคอมพิวเตอร์ (DIKU) มหาวิทยาลัย UCPH เป็นส่วนหนึ่งของโครงการ HIPERFIT ^{[ 2 ]}โดยมุ่งเน้นที่การทำให้โปรแกรมแบบขนานข้อมูลที่เขียนในรูปแบบเชิงฟังก์ชันสามารถทำงานได้อย่างมีประสิทธิภาพสูงบน ฮาร์ดแวร์ แบบขนานขนาดใหญ่โดยเฉพาะหน่วยประมวลผลกราฟิก (GPU) Futhark ได้รับแรงบันดาลใจอย่างมากจากNESLและการใช้งานของมันใช้รูปแบบหนึ่งของการแปลงแบบ flatteningแต่กำหนดข้อจำกัดเกี่ยวกับวิธีการแสดงความขนานเพื่อให้สามารถเพิ่มประสิทธิภาพการคอมไพเลอร์ได้มากขึ้น โดยเฉพาะอย่างยิ่ง ไม่รองรับความขนานข้อมูลแบบซ้อนกันที่ไม่สม่ำเสมอ^{[ 3 ]}เป็นซอฟต์แวร์ฟรีและโอเพนซอร์ส ที่ เผยแพร่ ภายใต้ใบอนุญาต ISC

Futhark เป็นภาษาใน ตระกูล MLซึ่งมีไวยากรณ์ที่ไม่คำนึงถึงการเยื้องที่ได้มาจากOCaml , Standard MLและHaskell ระบบประเภทนั้นอิงตามระบบประเภท Hindley–Milnerพร้อมส่วนขยายต่างๆ เช่นประเภทเอกลักษณ์และประเภทที่ขึ้นอยู่กับ ขนาด Futhark ไม่ได้มีจุดประสงค์เพื่อเป็นภาษาโปรแกรมอเนกประสงค์สำหรับการเขียนแอปพลิเคชันแบบเต็มรูปแบบ แต่เน้นไปที่การเขียนเคอร์เนลการคำนวณ (ซึ่งไม่เหมือนกับเคอร์เนล GPU เสมอไป ) ซึ่งจะถูกเรียกใช้จากแอปพลิเคชันที่เขียนด้วยภาษาทั่วไป^{[ 4 ]}

ฟูทาร์กตั้งชื่อตามอักษรหกตัวแรกของอักษรรูน [ ^{5 ] : 2}

โปรแกรมต่อไปนี้คำนวณผลคูณดอทของเวกเตอร์สองตัวที่ประกอบด้วยตัวเลขทศนิยมสองตำแหน่ง

def dotprod xs ys = f64.sum ( map2 ( * ) xs ys ) )​

นอกจากนี้ ยังสามารถเขียนในรูปแบบเดียวกันโดยระบุประเภทอย่างชัดเจนได้ดังนี้

def dotprod [ n ] ( xs : [ n ] f64 ) ( ys : [ n ] f64 ) : f64 = f64 . sum ( map2 ( * ) xs ys ))

วิธีนี้ทำให้ระบุประเภทที่ขึ้นอยู่กับขนาดได้อย่างชัดเจน: ฟังก์ชันนี้สามารถเรียกใช้ได้เฉพาะกับอาร์เรย์สองชุดที่มีขนาดเท่ากันเท่านั้น และตัวตรวจสอบประเภทจะปฏิเสธโปรแกรมใดๆ ที่ไม่สามารถระบุขนาดได้แบบคงที่

โปรแกรมต่อไปนี้ทำการคูณเมทริกซ์โดยใช้คำนิยามของผลคูณดอทที่กล่าวไว้ข้างต้น

def matmul [ n ][ m ][ p ] ( A : [ n ][ m ] f64 ) ( B : [ m ][ p ] f64 ) : [ n ][ p ] f64 = map ( \ A_row -> map ( \ B_col -> dotprod A_row B_col ) ( transpose B )) A

นี่แสดงให้เห็นว่าประเภทข้อมูลบังคับให้ฟังก์ชันถูกเรียกใช้กับเมทริกซ์ที่มีขนาดเข้ากันได้เท่านั้น นอกจากนี้ยังเป็นตัวอย่างของการประมวลผลแบบขนานข้อมูล ซ้อน กัน อีกด้วย