Thanks for sending an requirement! Please fill in the following template to help quickly solve your problem.

一、背景信息 （必填）

AcosGradV2 算子 A2（Ascend910B / DAV_2201）AscendC 实现，计算 Acos（反余弦）算子的反向梯度。

二、价值/作用 （必填）

算子使用场景：反向训练/推理中，已知前向 Acos 的输入 y 与上游梯度 dy，求对原始输入的梯度 z。
CANN 当前未提供同名官方 aclnnAcosGrad 单算子，用户走 torch_npu 的 torch.acos 反向时会被拆分为多算子链（Acos 前向重算 + Mul×2 + Neg×2 + Rsqrt + Adds）。本算子将其融合为单个 kernel，减少多次基础算子的 HBM 来回搬运与启动开销，[1024,1024] 下相对该反向链平均加速约 3.3x。

三、设计方案 （必填）

3.1 使能方式

aclnn 两段式直调（aclnnAcosGradV2GetWorkspaceSize + aclnnAcosGradV2），registry-invoke 工程。

3.2 总体设计

3.2.1 算子支持的数据类型

ge::DT_FLOAT16, ge::DT_FLOAT, ge::DT_BFLOAT16

3.2.2 host 侧设计

shape 推导：输出 z 与输入 y 同 shape 同 dtype；tiling 采用多核 + UB 两级切分（UB 大小由平台信息动态获取，按 dtype 的字节/对齐因子推导 ubFormer，并记录核内 loop/tail）；参数校验覆盖空指针、y/dy 同 shape 同 dtype、dtype 合法性。

3.2.3 kernel 侧设计

公式 z = -dy / sqrt(1 - y²)。FP32 直接计算；FP16/BF16 先 Cast 到 FP32 计算再 Cast 回原类型。计算链：Mul(y²) → Muls(-y²) → Adds(1-y²) → Sqrt → Muls(-dy) → Div。

3.3 支持硬件

Atlas A2 训练/推理系列产品（Ascend910B / DAV_2201），compute unit = ascend910b，tiling/kernel 目录 = arch32。

3.4 算子约束限制

• y 与 dy 的 shape 必须完全一致、dtype 必须一致；仅支持 ND 格式。
• 输入值域期望落在 [-1, 1]；超出定义域（|y| > 1）时 1-y² < 0，平方根结果为 NaN，输出同样为 NaN。

💡 备注：关联 PR https://gitcode.com/cann/ops-math/pull/4371 ，用于追踪。