Agentic MLIR-to-QIR Translation with Dual-Backend Testing: A Hybrid Deterministic and LLM Approach
تقدم هذه الورقة إطار عمل هجين للترجمة من MLIR إلى QIR يجمع بين ممرات المترجم الحتمية للهجات المعروفة ومسار وكيل يعتمد على النماذج اللغوية الكبيرة للهجات غير المعروفة، مع استخدام خط أنابيب اختبار ثنائي الخلفية لضمان دقة المخرجات العالية عبر الدوائر الكمومية المتنوعة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إن عالم الحوسبة الكمومية هو حالياً مشهد يضم لغات عديدة ومختلفة. تماماً كما قد يواجه المسافر صعوبة في التواصل عبر الحدود حيث تتحدث كل دولة لغة مختلفة، يواجه العلماء والمهندسون حاجزاً مماثلاً في التكنولوجيا الكمومية. فقد قامت شركات تصنيع الأجهزة ومجموعات البرمجيات المختلفة ببناء طرقها الفريدة الخاصة لوصف الدوائر الكمومية، وهي التعليمات التي تخبر الحاسوب الكمومي بما يجب فعله. هذه الأوصاف تشبه اللهجات في لغة تقنية معقدة. وبينما تعمل كل لهجة بشكل مثالي داخل نظامها البيئي الخاص، إلا أنها لا تفهم بعضها البعض بشكل طبيعي. وهذا يخلق مشكلة كبيرة: فالبرنامج المكتوب لنوع واحد من الآلات الكمومية غالباً لا يمكن تشغيله على نوع آخر دون أن يقوم خبير بشري بإعادة كتابة الكود يدوياً، وهي عملية بطيئة وعرضة للخطأ تبطئ المجال بأكم له. ولحل ذلك، يحتاج الباحثون إلى مترجم عالمي يمكنه أخذ برنامج كمومي مكتوب بلهجة معينة وتحويله إلى تنسيق قياسي يمكن لأي آلة فهمه، دون فقدان معنى التعليمات الأصلية.
قام فريق من الباحثين في مختبر أوك ريدج الوطني بتطوير نظام جديد ليعمل كمترجم لهذا الغرض، جسراً للفجوة بين هذه اللغات الكمومية المتنافسة. ويركز عملهم على تحويل البرامج المكتوبة بتنسيق متعدد المستويات ومرن يُعرف باللهجة إلى تمثيل وسيط عالمي، وهو كود قياسي يعمل كأرضية مشتركة لمختلف الأنظمة الخلفية الكمومية. ويكمكم التحدي في أنه بينما تتبع بعض هذه اللهجات قواعد صارمة ومعروفة، فإن غيرها جديدة وغير مألوفة، مما يجعل من الصعب على البرامج الحاسوبية التقليدية ترجمتها تلقائياً. ولمواجهة ذلك، بنى الفريق نظاماً هجيناً يجمع بين سرعة ودقة البرمجيات التقليدية وقدرة الذكاء الاصطناعي على التكيف. لقد أنشأوا مترجماً يمكنه الاختيار بين ثلاثة مسارات مختلفة اعتماداً على المهمة: مسار سريع قائم على القواعد للغات المعروفة، ومسار مرن مدفوع بالذكاء الاصطناعي للغات الجديدة، ومسار إصلاح يعالج الأخطاء إذا فشلت المحاولة الأولى.
يعمل النظام مثل خط مصنع منظم للغاية مع آلية مدمجة لضبط الجودة. فعند وصول برنامج كمومي، يتحقق النظام أولاً من اللهجة التي كُتب بها. فإذا كانت اللهجة هي التي يعرفها النظام جيداً، مثل تلك المستخدمة في أطر العمل الكبرى مثل Catalyst أو Quake، فإنه يسلك مساراً مباشراً وحتمياً. في هذا الوضع، يتبع البرنامج قواعد محددة مسبقاً لتحويل الكود، وهي عملية تستغرق جزءاً بسيطاً من الثانية وتكون دقيقة تماماً للهياكل المعروفة. ومع ذلك، إذا واجه النظام لهجة جديدة أو غير مألوفة، فإنه ينتقل إلى "الوضع الوكيل". هنا، يستخدم نموذج لغة كبير، وهو نوع من الذكاء الاصطناعي المدرب على فهم وتوليد الكود، للقيام بالترجمة. يعمل هذا الوكيل الذكي كخبير لغوي ماهر، حيث يحلل اللغة الجديدة ويبني الترجمة بناءً على الأنماط التي تعلمها، مسترشداً بأمثلة وقواعد محددة مقدمة في التوجيه (prompt).
ومن الأهمية بمكان أن الباحثين لم يكتفوا بمجرد الثقة في قدرة الذكاء الاصطناعي على إنتاج المخرجات الصحيحة؛ بل بنوا خط أنابيب اختبار صارم يعمل كتدقيق مزدوج. فبمجرد اكتمال الترجمة، يقوم النظام بتشغيل البرنامج الكمومي الأصلي والنسخة المترجمة حديثاً على محاكيين منفصلين ومستقلين. تعمل هذه المحاكيات كحواسيب كمومية افتراضية تنفذ التعليمات وتنتج النتائج. ثم يقارن النظام بين التوزيعات الإحصائية للنتائج من كلا التشغيلين. وإذا تطابقت النتائج بشكل وثيق بما يكفي، يتم قبول الترجمة. وإذا لم تتطابق، فلا يستسلم النظام؛ بل يدخل في حلقة إصلاح، حيث يغذي معلومات الخطأ إلى الوكيل الذكي، موضحاً له ما حدث بشكل خاطئ، ويطلب منه المحاولة مرة أخرى. ويمكن لهذه الدورة من الترجمة والاختبار والإصلاح أن تتكرر عدة مرات حتى يتم العثث على ترجمة صالحة وعاملة.
ولضمان عمل النظام حتى عندما ينتج الذكاء الاصطناعي مخرجات غير مكتملة أو غير منظمة، أضاف الباحثون آلية سلامة تسمى "المجمع الحارس" (guardrail assembler). فأحياناً تولد نماذج الذكاء الاصطناዊ الأصغر تسلسل العمليات الكمومية الصحيح ولكنها تنسى تضمين التفاصيل الهيكلية اللازمة، مثل إعلانات المتغيرات أو التنسيق، التي تجعل الكود صالحاً. هنا يتدخل المجمع الحارس لإصلاح هذه المشكلات الهيكلية؛ حيث يستخرج العمليات الأساسية من مخرجات الذكاء الاصطناعي ويعيد تجميعها في ملف كود كامل وصالح باستخدام قوالب قياسية. وهذا يسمح للنظام بالتعافي من الأخطاء التي قد تؤدي لولا ذلك إلى فشل عملية الترجمة تماماً، مما يجعل العملية أكثر متانة.
اختبر الباحثون نظامهم على مجموعة متنوعة من واحد وأربعين تصميماً مختلفاً للدوائر الكمومية، تتراوح من عمليات بسيطة مكونة من كيوبتين (two-qubit) إلى خوارزميات معقدة تشمل ما يصل إلى مئة كيوبت. وقيموا النظام عبر ثلاث لهجات مختلفة، بما في ذلك اثنتان من اللهجات المعروفة ولهجة جديدة غير مسبوقة مصممة للحوسبة الكمومية المقاومة للأخطاء. وأظهرت النتائج أنه بالنسبة للهجات المعروفة، كان المسار الحتمي خالياً من العيوب، حيث حقق دقة مثالية في ترجمة هياكل البوابات (gate structures) وأنتج نتائج تطابق البرامج الأصلية بنسبة تشابه تزيد عن 95 بالمائة. وعندما اضطر النظام لاستخدام الوكيل الذكي للهجات المعروفة، فقد أدى أداءً جيداً أيضاً، رغم أنه استغرق وقتاً أطول بكثير، حيث تراوح بين 35 إلى 62 ثانية مقارلة بأجزاء من الثانية للمسار الحتمي.
وكان الاختبار الأكثر أهمية هو اللهجة غير المسبوقة. وبما أنه لم تكن هناك قواعد مكتوبة مسبقاً لهذه اللغة الجديدة، توجب على النظام الاعتماد كلياً على الوكيل الذكي. وفي هذا السيناريو، تمكنت أربعة من أصل ستة نماذج ذكاء اصطناعي مختلفة تم اختبارها من إنتاج ترجمات صالحة من المحاولة الأولى. نجحت هذه النماذج في ترجمة العمليات ذات المستوى المنطقي (logical-level operations)، وهي تعليمات مجردة للحواسيب الكمومية المقاومة للأخطاء، إلى التنسيق القياسي. وأثبت النظام قدرته على التعامل مع اللغات الجديدة دون الحاجة إلى تدخل بشري لكتابة مترجم جديد من الصفر. وأشار الباحثون إلى أنه بينما استطاعت نماذج الذكاء الاصطناعي ترجمة العمليات المنطقية، إلا أنها لم تقم تلقائياً بتوسيعها إلى التفاصيل الفيزيائية المطلوبة للأجهزة، وهي مهمة تظل من مسؤولية النظام الخلفي (backend).
كما سلطت الدراسة الضوء على أهمية كيفية تقديم المعلومات إلى الذكاء الاصطناعي. فقد وجد الفريق أن مجرد منح الذكاء الاصطناعي أداة بحث للبحث عن المعلومات، وهي طريقة تُعرف باسم "التوليد المعزز بالاسترجاع" (retrieval-augmented generation)، غالباً ما يؤدي إلى أخطاء مع النماذج الأصغر. بدلاً من ذلك، وجدوا النجاح من خلال حقن جميع المواد المرجعية اللازمة، مثل خرائط البوابات وقوالب الكود، مباشرة في التوجيه (prompt). هذا النهج، الذي يسموا به "هندسة السياق" (context engineering)، ضمن أن يكون لدى الذكاء الاصطناعي جميع الحقائق التي يحتاجها في متناوله مباشرة، مما قضى على الارتباك الذي ينشأ عندما يحاول النموذج البحث عن الإجابات بمفرده.
في النهاية، يقدم هذا العمل حلاً عملياً لمشكلة التوافق التشغيلي في الحوسبة الكمومية. فمن خلال الجمع بين سرعة المترجمات التقليدية ومرونة الذكاء الاصطناعي وحلقة اختبار صارمة، نجح الباحثون في إنشاء نظام يمكنه ترجمة الكود الكمومي عبر لغات مختلفة بموثوقية عالية. لا يكتفي النظام بالتخمين، بل يتحقق من عمله، ويصلح أخطاءه، ويتكيف مع التحديات الجديدة. وبينما يظل المسار الحتمي هو الأسرع والأكثر موثوقية للغات المعروفة، فإن المسار الوكيل يقدم جسراً حيوياً للمستقبل، مما يسمح للنظام البيئي للبرمجيات الكمومية بالتطور ودمج لهجات جديدة دون أن يعيقها الحاجة إلى إعادة الكتابة اليدوية. ويشير هذا النهج الهجين إلى مستقبل يمكن فيه للبرامج الكمومية أن تنتقل بحرية بين منصات الأجهزة المختلفة، مما يسرع تطوير التكنولوجيا الكمومية ككل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.