CircuitProver: Agentic Lean 4 Theorem Proving with Reusable Circuit Proof Library for Hardware Verification
يُعد CircuitProver إطار عمل وكيلًا (agentic) يعتمد على لغة Lean 4، يقوم بأتمتة التحقق من الأجهزة عبر ترجمة التصميمات والمواصفات ذات المعلمات إلى نماذج قابلة للتنفيذ، وبناء براهين مدققة آليًا بشكل تكراري، وتلخيص هذه النتائج في مكتبة قابلة لإعادة الاستخدام تعمل على تحسين كفاءة ونجاح البراهين بشكل كبير مقارنة بالوكلاء التقليديين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
معضلة المحقق: لماذا نحتاج إلى أجهزة أكثر ذكاءً
تخيل أنك تقوم ببناء مدينة "ليجو" (Lego) ضخمة ومعقدة للغاية. كل قطعة من هذه القطع هي عبارة عن مفتاح إلكتروني صغير، وتجتمع معاً لتشكل شريحة كمبيوتر تشغل كل شيء، بدءاً من هاتفك وصولاً إلى السيارات ذاتية القيادة في المستقبل. ما المشكلة؟ هذه المدن تزداد ضخامة وتعقيداً لدرجة أن أفضل المهندسين البشريين لا يمكنهم فحص كل قطعة للتأكد من أنها لن تنهار. إذا كان هناك مفتاح واحد صغير في المكان الخاطئ، فقد تنهار المدينة بأكملها.
لسنوات، كانت الطريقة القياسية لفحص هذه المدن تشبه اختبار "الصندوق الأسود". أنت تبني نسخة محددة من المدينة (على سبيل المثال، بـ 8 طوابق)، ثم تشغل روبوتاً فائق السرعة ليرى ما إذا كانت تعمل، وسيعطيك في النهاية ختم "ناجح" أو "راسب". إذا فشلت، فقد يريك الروبوت صورة للقطعة المكسورة. ولكن العيب هنا هو أن الروبوت لا يخبرك لماذا انكسرت، ولا يتذكر الدرس للمدينة التالية. إذا بنيت مدينة أكبر قليلاً بـ 16 طابقاً، فسيتعين على الروبوت البدء من الصفر، وإعادة اكتشاف نفس القواعد، رغم أن المنطق يكاد يكون متطابقاً. الأمر يشبه حل مسألة رياضية، والحصول على الإجابة، ثم رمي عملك حتى تضطر لحل نفس المسألة تماماً في السؤال التالي.
هنا يأتي دور مجال جديد يسمى "التحقق الرسمي" (Formal Verification). فبدلاً من مجرد الاختبار، يحاول هذا المجال كتابة برهان رياضي يثبت أن المدينة مثالية. لكن كتابة هذه البراهين عادة ما تكون مهمة صعبة للغاية تتطلب عبقرياً بشرياً لتوجيه الكمبيوتر خطوة بخوة. والآن، قام فريق جديد من الباحثين ببناء أداة تعمل مثل محقق فائق الذكاء، لا يكتفي فقط بحل اللغز، بل يكتب أيضاً "ورقة غش" للمحققين المستقبليين، مما يجعل المهمة أسرع وأسهل في كل مرة.
CircuitProver: المحقق الذي يتعلم من كل قضية
تقدم الورقة البحثية CircuitProver، وهو نظام جديد مصمم لفحص تصميمات الأجهزة (المدن) باستخدام لغة برمجة تسمى Lean 4. تخيل أن Lean 4 هي معلم رياضيات صارم جداً لا يقبل أبداً إجابة خاطئة. CircuitProber هو "وكيل" (Agent)، وهو مجرد كلمة منمقة لوصف روبوت ذكاء اصطناعي يمكنه التحدث إلى هذا المعلم، ومحاولة حل المشكلة، والاستماع إلى تصحيحات المعلم، والمحاولة مرة أخرى حتى ينجح في الأمر.
لكن السحر الحقيقي ليس فقط في قدرته على حل المشكلات؛ بل فيما يفعله بعد حلها.
الطريقة القديمة مقابل الطريقة الجديدة
في الماضي، كان التحقق من الأجهزة يشبه فحص قفل واحد على باب واحد. إذا كان لديك باب بعرض 8 بوصات، أو 16 بوصة، أو 100 بوصة، كان عليك فحص نسخة الـ 8 بوصات، ثم رمي الملاحظات، وفحص نسخة الـ 16 بوصة، ثم رمي الملاحظات، وهكذا. تجادل الورقة البحثية بأن هذا أمر هدر للوقت. فالمنطق الخاص بكيفية عمل القفل هو نفسه بغض النظر عن الحجم.
يغير CircuitProver قواعد اللعبة من خلال التعامل مع الباب كـ "تصميم بارامتري" (Parameterized Design). فهو يسأل: "هل يمكننا إثبات أن هذا القفل يعمل لأي حجم؟". بدلاً من فحص باب واحد محدد، فإنه يثبت قاعدة عامة تغطي جميع الأحجام الممكنة في آن واحد.
مكتبة "ورقة الغش"
إليك الجزء الأكثر إثارة: يحتفظ CircuitProver بـ مكتبة براهين قابلة لإعادة الاستخدام. تخيل أنك محقق يحل سلسلة من حوادث السطو.
- القضية الأولى: تحل حادثة سطو معقدة. يستغرق الأمر منك 13 جولة من التحقيق. تكتشف أن اللص يترك دائماً نوعاً معيناً من الطين على حافة النافذة.
- الطريقة القديمة: في المرة القالية التي تحدث فيها حادثة سطو مماثلة، تتجاهل ملاحظاتك. تقضي 13 جولة من التحقيق مرة أخرى، لتعيد اكتشاف دليل الطين.
- طريقة CircuitProver: بعد حل القضية الأولى، تكتب "استراتيجية إثبات" في ملاحظاتك: "إذا رأيت طيناً على حافة النافذة، فافحص العلية فوراً". كما تحفظ "الحقيقة المدققة آلياً" (البرهان الذي يثبت أن الطين يعني وجود اللص هناك).
- القضية التالية: عندما تقع حادثة سطو جديدة، ينظر المحقق الروبوت إلى المكتبة. يرى دليل الطين، ويأخذ استراتيجية "افحص العلية"، ويحل القضية في 6 جولات فقط.
تظهر الورقة البحثية أنه من خلال استخدام هذه المكتبة، لم يصبح النظام أسرع فحسب؛ بل أصبح أذكى. فقد تمكن من حل مشكلات لم يستطع الروبوت القياسي (بدون المكتبة) حلها على الإطلاق.
ماذا تقول الأرقام؟
اختبر الباحثون CircuitProver على 63 مهمة مختلفة من مهام الأجهزة، تراوحت من دوائر رياضية بسيطة إلى أنظمة ذاكرة معقدة.
- معدل النجاح: تمكن الروبوت القياسي (الذي يسمى "الوكيل التقليدي" أو vanilla agent) من حل 92.1% من المهام. أما CircuitProber، بمكتبته واستراتيجياته الذكية، فقد حل 100% (جميع المهام الـ 63).
- السرعة: استغرق الروبوت القياسي في المتوسط 9.2 جولة من المحاولة والخطأ للوصول إلى البرهان. بينما احتاج CircuitProber إلى 4.6 جولة فقط—أي أنه كان أسرع بمرتين.
- الوقت: انخفض الوقت الإجمالي للتحقق من التصميمات بنسبة 23.2%.
- التعقيد: كانت البراهين نفسها أقصر بنسبة 16.3%، مما يعني أن المنطق كان أكثر نظافة وسهولة في القراءة.
اختبرت الورقة البحثية هذا أيضاً على تصميمات ضخمة على مستوى المعالجات (مثل عقول الحواسيب الحقيقية). هنا، كانت الفوائد أكبر بكثير. فقد قلل CircuitProber الوقت والجهد بأكثر من 50% مقارنة بالروبوت القياسي. وهذا يشير إلى أنه كلما زاد تعقيد الأجهزة، أصبحت مكتبة "ورقة الغش" أكثر قيمة، مما يوفر على الباحثين عناء إعادة اختراع العجلة في كل مرة.
كيف يعمل (الخدعة السحرية)
يعمل CircuitProver عبر ثلاث خطوات رئيسية:
- الترجمة: يأخذ تصميم الجهاز (المكتوب بلغة تسمى Chisel) ويترجمه إلى لغة الرياضيات الصارمة الخاصة بـ Lean 4. كما يترجم الوصف البشري لما يجب أن يفعله الجهاز إلى مسألة رياضية.
- عمل المحقق: يحاول وكيل الذكاء الاصطناعي إثبات المسألة الرياضية. إذا تعثر، فإنه يطلب المساعدة من معلم Lean 4. يقول المعلم: "لا، هذه الخطوة خاطئة"، فيجرب الوكيل مساراً مختلفاً.
- تحديث المكتبة: بمجرد الانتهاء من البرهان، لا يقوم النظام بمجرد حفظه. بل يحلل كيف قام بحله. يستخرج "لحظات الإدراك" (مثل "استخدم هذه الحيلة الرياضية المحددة لعمليات الحمل/Carry-overs") ويضيفها إلى المكتبة. في المرة القادلة، يمكن للوكيل ببساطة أخذ تلك الحيلة بدلاً من اكتشافها من الصفر.
لماذا يهم هذا؟
تشير الورقة البحثية إلى أن هذا النهج يعد خطوة كبيرة للأمام في التحقق من الأجهزة. فمن خلال تراكم المعرفة، نتوقف عن معاملة كل تصميم شريحة جديدة كأنها لغز جديد تماماً. بدلاً من ذلك، نبني مكتبة متنامية من الألغاز المحلولة التي تجعل التحقق من الأجهزة المستقبلية الأكثر تعقيداً أسرع وأكثر موثوقية.
يعترف الباحثون بأن نظامهم يعمل حالياً بشكل أفضل مع أنواع معينة من تصميمات الأجهزة، وأنه يعتمد على نماذج ذكاء اصطناعي قوية (لقد اختبروه مع نسخ مختلفة من ذكاء اصطناٍ يسمى Claude، ووجدوا أنه كلما كان الذكاء الاصطناعي أذكى، كانت النتائج أفضل). ومع ذلك، فإن الفكرة الجوهرية—وهي أنه يمكننا تعليم الحواسيب التعلم من براهينها الخاصة ومشاركة تلك المعرفة—هي اتجاه جديد وقوي. إنها تحول التحقق من الأجهزة من عملية يدوية مكررة ومملة إلى عملية ذكية وذاتية التحسين.
باختصار، CircuitProber يشبه إعطاء محقق ذاكرة ودفتر ملاحظات. فهو لا يكتفي بحل القضية فحسب؛ بل يتذكر كيف فعل ذلك، لكي تكون المدينة آمنة بسرعة أكبر في المرة القادمة التي تقع فيها جريمة مماثلة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.