define ptx_kernel void @main_graph_async_dispatch_0_elementwise_broadcast_Dx3584_i64xf16(ptr addrspace(1) noalias noundef nonnull readonly align 16 %0, ptr addrspace(1) noalias noundef nonnull readonly align 16 captures(none) %1, ptr addrspace(1) noalias nofree noundef nonnull writeonly align 16 captures(none) %2, i32 noundef %3, i32 noundef %4) local_unnamed_addr #0 {
  %6 = tail call range(i32 0, 32) i32 @llvm.nvvm.read.ptx.sreg.tid.x()
  %7 = zext i32 %3 to i64
  %8 = zext i32 %4 to i64
  %9 = shl nuw i64 %8, 32
  %10 = or disjoint i64 %9, %7
  %11 = icmp sgt i64 %9, -1
  tail call void @llvm.assume(i1 %11)
  call void @llvm.assume(i1 true) [ "align"(ptr addrspace(1) %0, i64 64) ]
  call void @llvm.assume(i1 true) [ "align"(ptr addrspace(1) %1, i64 64) ]
  call void @llvm.assume(i1 true) [ "align"(ptr addrspace(1) %2, i64 64) ]
  %12 = shl nuw nsw i32 %6, 3
  %13 = mul nuw nsw i64 %10, 14
  %14 = tail call range(i32 0, 2147483647) i32 @llvm.nvvm.read.ptx.sreg.ctaid.x()
  %15 = zext nneg i32 %14 to i64
  %16 = tail call range(i32 1, -2147483648) i32 @llvm.nvvm.read.ptx.sreg.nctaid.x()
  %17 = zext nneg i32 %16 to i64
  %18 = icmp samesign ugt i64 %13, %15
  br i1 %18, label %.lr.ph, label %._crit_edge

.lr.ph:                                           ; preds = %5
  %19 = tail call <8 x i64> @llvm.stepvector.v8i64()
  %20 = trunc <8 x i64> %19 to <8 x i32>
  br label %21

21:                                               ; preds = %.lr.ph, %21
  %22 = phi i64 [ %15, %.lr.ph ], [ %47, %21 ]
  %.frozen = freeze i64 %22
  %23 = udiv i64 %.frozen, 14
  %24 = mul i64 %23, 14
  %.decomposed = sub i64 %.frozen, %24
  %25 = getelementptr [8 x i8], ptr addrspace(1) %1, i64 %23
  %26 = load <1 x i64>, ptr addrspace(1) %25, align 8
  %27 = trunc nuw nsw i64 %.decomposed to i32
  %28 = shl nuw nsw i32 %27, 8
  %29 = or disjoint i32 %28, %12
  %30 = insertelement <8 x i32> poison, i32 %29, i64 0
  %31 = shufflevector <8 x i32> %30, <8 x i32> poison, <8 x i32> zeroinitializer
  %32 = add <8 x i32> %31, %20
  %33 = zext <8 x i32> %32 to <8 x i64>
  %34 = add <1 x i64> %26, splat (i64 152064)
  %35 = icmp slt <1 x i64> %26, zeroinitializer
  %36 = select <1 x i1> %35, <1 x i64> %34, <1 x i64> %26
  %37 = extractelement <1 x i64> %36, i64 0
  %38 = mul i64 %37, 3584
  %39 = insertelement <8 x i64> poison, i64 %38, i64 0
  %40 = shufflevector <8 x i64> %39, <8 x i64> poison, <8 x i32> zeroinitializer
  %41 = add <8 x i64> %40, %33
  %42 = getelementptr [2 x i8], ptr addrspace(1) %0, <8 x i64> %41
  %43 = tail call <8 x half> @llvm.masked.gather.v8f16.v8p1(<8 x ptr addrspace(1)> align 2 %42, <8 x i1> splat (i1 true), <8 x half> poison)
  %44 = zext nneg i32 %29 to i64
  %.idx = mul i64 %23, 7168
  %45 = getelementptr i8, ptr addrspace(1) %2, i64 %.idx
  %46 = getelementptr [2 x i8], ptr addrspace(1) %45, i64 %44
  store <8 x half> %43, ptr addrspace(1) %46, align 16
  %47 = add i64 %22, %17
  %48 = icmp slt i64 %47, %13
  br i1 %48, label %21, label %._crit_edge

._crit_edge:                                      ; preds = %21, %5
  ret void
}