CASS: Nvidia to AMD Transpilation with Data, Models, and Benchmark
यह शोध पत्र CASS को प्रस्तुत करता है, जो क्रॉस-आर्किटेक्चर GPU कोड ट्रांसपाइलेशन (CUDA से HIP और SASS से RDNA3) के लिए पहला डेटासेट और मॉडल सुइट है, जो अत्याधुनिक अनुवाद सटीकता और प्रदर्शन संरक्षण प्राप्त करता है और GPT-5.1 एवं Hipify जैसे वाणिज्यिक बेसलाइन से बेहतर प्रदर्शन करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास निर्देशों का एक विशाल पुस्तकालय है जो Nvidia की गुप्त भाषा (CUDA) में लिखा गया है। ये निर्देश शक्तिशाली कंप्यूटर चिप्स (GPUs) को जटिल गणित करने के निर्देश देते हैं, जिनका उपयोग AI, वीडियो गेम और वैज्ञानिक सिमुलेशन के लिए किया जाता है।
समस्या क्या है? Nvidia के चिप्स केवल अपनी ही भाषा समझते हैं। यदि आप इन निर्देशों को AMD चिप (कंप्यूटर के मस्तिष्क का एक अलग ब्रांड) पर चलाने की कोशिश करते हैं, तो यह वैसा ही है जैसे किसी PlayStation गेम को Xbox पर चलाने की कोशिश करना। हार्डवेयर अलग है, "बोली" अलग है, और गेम क्रैश हो जाता है।
वर्षों से, कंपनियाँ Nvidia के साथ फंसी हुई हैं क्योंकि सारा कोड AMD के लिए फिर से लिखना एक बुरा सपना है। मौजूदा उपकरण clumsy (भोंडे) अनुवादकों की तरह हैं जो अक्सर अर्थ को गलत समझ लेते हैं या महत्वपूर्ण विवरणों को छोड़ देते हैं।
पेश है CASS (CUDA-AMD Assembly and Source Mapping)। CASS को एक अति-बुद्धिमान, द्विभाषी वास्तुकार (architect) के रूप में सोचें जो केवल शब्दों का अनुवाद नहीं करता, बल्कि इमारत के ब्लूप्रिंट (नक्शे) को भी समझता है।
यहाँ उन्होंने जो किया है, उसका विवरण दिया गया है, कुछ रोजमर्रा के उदाहरणों का उपयोग करते हुए:
1. समस्या: चिप्स का "बेबेल का टॉवर" (Tower of Babel)
Nvidia और AMD निम्न स्तर (lowest level) पर अलग-अलग भाषाएँ बोलते हैं।
- Nvidia (CUDA): एक मालिकाना भाषा का उपयोग करता है जिसे SASS कहा जाता है।
- AMD (HIP/RDNA3): एक अलग भाषा का उपयोग करता है जिसे RDNA3 कहा जाता है।
- अंतराल (The Gap): मौजूदा अनुवादक (जैसे Hipify नामक टूल) एक ऐसे शब्दकोश की तरह हैं जो केवल सतही शब्दों का अनुवाद करते हैं। वे गहरे व्याकरण के नियमों को मिस कर देते हैं। यदि आप एक जटिल वाक्य का अनुवाद करने की कोशिश करते हैं, तो वे अर्थ को सही बना सकते हैं लेकिन वाक्य की संरचना को तोड़ देते हैं, जिससे कोड विफल हो जाता है।
2. समाधान: एक विशाल "अनुवाद स्कूल" का निर्माण
कंप्यूटर को पूरी तरह से अनुवाद करना सिखाने के लिए, आपको उदाहरणों की एक बड़ी पाठ्यपुस्तक की आवश्यकता होती है। लेकिन GPU कोड के लिए ऐसी कोई पाठ्यपुस्तक मौजूद नहीं थी।
- CASS डेटासेट: शोधकर्ताओं ने 60,000 निर्देशों के जोड़े वाला एक विशाल पुस्तकालय बनाया।
- एक तरफ मूल Nvidia कोड है।
- दूसरी तरफ पूरी तरह से अनुवादित AMD कोड है।
- उन्होंने इसे कैसे प्राप्त किया: उन्होंने केवल कॉपी-पेस्ट नहीं किया। उन्होंने एक स्वचालित रोबोट फैक्ट्री बनाई जिसने:
- मौजूदा कोड के लिए इंटरनेट को खंगाला।
- AI का उपयोग करके नए प्रकार के कोड का आविष्कार किया (जैसे एक शेफ के लिए नई रेसिपी बनाना) ताकि यह सुनिश्चित हो सके कि वे हर संभावित परिदृश्य को कवर करते हैं।
- उन्हें अनुवादित किया, कंपाइल किया, और परीक्षण किया कि वे दोनों प्रकार के चिप्स पर वास्तव में काम करते हैं या नहीं।
- उपमा (Analogy): कल्पना कीजिए कि एक शेफ पहले फ्रेंच में 60,000 रेसिपी लिखता है, फिर इतालवी में अनुवाद करने के लिए एक टीम को काम पर रखता है, उन्हें पकाता है, और चखकर देखता है कि इतालवी संस्करण फ्रेंच के बिल्कुल समान स्वाद वाला है या नहीं।
3. शिक्षक: CASS मॉडल
एक बार जब उनके पास यह "पाठ्यपुस्तक" आ गई, तो उन्होंने इस पर एक विशेष AI मॉडल (एक Large Language Model) को प्रशिक्षित किया।
- परिणाम: इस मॉडल ने दोनों चिप भाषाओं के गहरे व्याकरण और "मसल मेमोरी" को सीख लिया।
- स्कोर:
- सोर्स कोड अनुवाद (High-level): इसने 88% सटीकता प्राप्त की। (मौजूदा उपकरण और यहाँ तक कि GPT-5 जैसे सुपर-स्मार्ट AI ने केवल 66-85% प्राप्त किया)।
- असेंबली अनुवाद (Low-level): यह कठिन हिस्सा है—रॉ मशीन कोड का अनुवाद करना। मॉडल ने 69% सटीकता प्राप्त की।
- प्रतिस्पर्धा: सबसे अच्छे व्यावसायिक AI मॉडल (जैसे GPT-5.1 या Claude) ने लो-लेवल अनुवाद पर केवल लगभग 22% स्कोर किया। वे मूल रूप से केवल अनुमान लगा रहे थे। CASS एक अनुमान लगाने वाले के मुकाबले एक मास्टर मैकेनिक की तरह था।
4. प्रमाण: क्या यह वास्तव में काम करता है?
अनुवादित कोड बेकार है यदि परिणाम धीमा है या टूट जाता है।
- प्रदर्शन (Performance): शोधकर्ताओं ने अनुवादित कोड का परीक्षण किया। 95% मामलों में, AMD चिप ने मूल Nvidia कोड की तरह ही तेजी से काम किया और उतनी ही मेमोरी का उपयोग किया।
- "CASS-Bench": उन्होंने यह साबित करने के लिए एक अंतिम परीक्षा (बेंचमार्क) बनाई जिसमें 369 अलग-अलग कार्य शामिल थे। यह एक ड्राइविंग टेस्ट की तरह है जहाँ कार को 18 अलग-अलग प्रकार के इलाकों (गणित, ग्राफिक्स, AI, आदि) में नेविगेट करना होता है।
यह क्यों मायने रखता है?
- "वेंडर लॉक-इन" से मुक्ति: अभी, यदि आप Nvidia चिप्स के साथ एक सुपरकंप्यूटर बनाते हैं, तो आप हमेशा के लिए Nvidia के साथ फंस जाते हैं। यदि आप AMD (जो सस्ता या अधिक कुशल हो सकता है) पर स्विच करना चाहते हैं, तो आपको सब कुछ फिर से लिखना होगा। CASS इस बदलाव को बिना सिरदर्द के संभव बनाता है।
- हार्डवेयर का लोकतंत्रीकरण: यह शोधकर्ताओं और कंपनियों को एक ही कंपनी की भाषा में फंसे बिना, बेहतरीन हार्डवेयर चुनने की आजादी देता है।
- भविष्य: यह केवल आज के Nvidia और AMD के बारे में नहीं है। यह साबित करता है कि AI कंप्यूटर हार्डवेयर के "गहरे भौतिक विज्ञान" (deep physics) को सीख सकता है, जो भविष्य के ऐसे उपकरण बनाने का मार्ग प्रशस्त करता है जो किसी भी प्रकार के कंप्यूटर चिप के बीच कोड का अनुवाद कर सकें।
संक्षेप में
यह पेपर CASS को पेश करता है, जो एक नया सिस्टम है जो कंप्यूटर चिप्स के लिए एक सार्वभौमिक अनुवादक (universal translator) के रूप में कार्य करता है। कोड के एक सत्यापित पुस्तकालय पर एक विशेष AI को प्रशिक्षित करके, उन्होंने इसे दोनों "Nvidia" और "AMD" धाराप्रवाह बोलना सिखाया। परिणाम एक ऐसा उपकरण है जो किसी एक ब्रांड के ग्राफिक्स कार्ड के लिए लिखे गए कोड को ले सकता है और उसे तुरंत दूसरे ब्रांड पर पूरी तरह से चलाने के लिए तैयार कर सकता है, जिससे कंपनियों के लाखों डॉलर बचते हैं और सभी के लिए नए हार्डवेयर विकल्प खुल जाते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।