出一个cuda编程设计题

好的，为你出一道 CUDA 编程设计题：

假设你有一个 $n\times n$ 的矩阵 $A$，你需要对其进行矩阵乘法操作 $C = A \times A$，其中 $C$ 也是一个 $n\times n$ 的矩阵。请使用 CUDA 编写一个矩阵乘法的并行算法，要求具有以下特点：

1. 使用 shared memory 来加速计算；
2. 使用 tile 分块策略，每个 tile 的大小为 $t \times t$，其中 $t$ 是一个可以在 kernel 函数中自由设置的参数；
3. 要求在 kernel 函数中使用二维的 grid 和 block 结构；
4. 在完成矩阵乘法运算后，需要将结果 $C$ 从 device 端拷贝回 host 端并进行验证，确保计算结果的正确性。

提示：在 kernel 函数中，可以考虑对每个 tile 进行计算，并使用 shared memory 存储相应的 tile 数据，从而加速计算。同时，为了保证计算正确性，可以在 kernel 函数中使用 CUDA 提供的 atomicAdd 函数来进行原子加操作。