Automated QoR improvement in OpenROAD with coding agents
यह शोध पत्र AuDoPEDA को प्रस्तुत करता है, जो एक स्वायत्त कोडिंग एजेंट फ्रेमवर्क है जो OpenROAD EDA टूल में स्वतंत्र रूप से कोड सुधार प्रस्तावित करने और उन्हें लागू करने के लिए LLMs का लाभ उठाता है, जिससे वायरलेंथ (wirelength), क्लॉक पीरियड (clock period) और बिजली की खपत (power consumption) में महत्वपूर्ण कमी आती 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 आप एक हाई-स्कूल के छात्र को एक विश्व स्तरीय, मिशलिन-स्टार किचन में एक मास्टर शेफ बनने के लिए सिखाने की कोशिश कर रहे हैं।
किचन बहुत विशाल है, रेसिपी जटिल कोड में लिखी गई हैं, उपकरण अत्यधिक विशिष्ट हैं, और यदि छात्र एक छोटी सी भी गलती करता है—जैसे कि बहुत अधिक नमक डाल देना या आंच बहुत तेज़ कर देना—तो पूरा पांच-कोर्स का भोजन बर्बाद हो जाएगा। आमतौर पर, आपको एक मास्टर शेफ (एक सीनियर इंजीनियर) को वर्षों तक उनके कंधे से कंधा मिलाकर सिखाने के लिए खड़ा होना पड़ता है।
यह पेपर, AuDoPEDA, एक ऐसा तरीका बताता है जिससे एक "AI Sous-Chef" बनाया जा सके जो खुद यह सीख सके कि उस किचन को कैसे चलाना है और, इससे भी महत्वपूर्ण बात यह है कि खाने का स्वाद बेहतर बनाने के लिए रेसिपी को वास्तव में कैसे सुधारा जाए।
उन्होंने इसे चार सरल चरणों में किया है:
1. "लाइब्रेरी और मैप" चरण (ऑनबोर्डिंग)
अधिकांश AI मॉडल उन छात्रों की तरह होते हैं जिन्होंने विकिपीडिया तो बहुत पढ़ा है लेकिन कभी वास्तविक किचन में कदम नहीं रखा है। वे जानते हैं कि "नमक" क्या है, लेकिन उन्हें यह नहीं पता कि इस विशेष किचन में नमक कहाँ रखा है या यह विशेष चूल्हा कैसे काम करता है।
शोधकर्ताओं ने पहले AI को पूरे किचन का एक "मैप" दिया (OpenROAD सॉफ्टवेयर)। उन्होंने लाखों लाइनों के कोड को स्कैन करने के लिए एक टूल का उपयोग किया और उसे एक संरचित गाइडबुक में बदल दिया। केवल कच्चे टेक्स्ट को पढ़ने के बजाय, अब AI समझता है: "यदि मैं इस नॉब को घुमाता हूँ (कोड का एक हिस्सा), तो यह इस बर्नर (एक विशिष्ट फंक्शन) को प्रभावित करता है, जो अंततः सूप के तापमान (अंतिम चिप डिज़ाइन) को बदल देता है।"
2. "रेसिपी रिसर्च" चरण (योजना बनाना)
एक बार जब AI जान जाता है कि सब कुछ कहाँ है, तो वह बेतरतीब ढंग से खाना बनाना शुरू नहीं करता है। वह पेशेवर पाक कला की पाठ्यपुस्तकों (वैज्ञानिक शोध पत्रों) को पढ़ने के लिए "लाइब्रेरी" में जाता है।
यह किचन के बारे में जो इसने सीखा है और किताबों से जो सीखा है, उसे जोड़कर एक योजना बनाता है। यह केवल यह नहीं कहता, "मैं सूप को बेहतर बनाऊंगा।" यह कहता है, "इस पाठ्यपुस्तक के आधार पर, यदि मैं सिमरिंग (धीमी आंच पर पकाने) का समय थोड़ा बढ़ा दूँ और तरल पदार्थ कम कर दूँ, तो स्वाद अधिक गहरा होगा। मैं इसे ठीक इन तीन सामग्रियों को बदलकर टेस्ट करूँगा।"
3. "प्रिसिजन प्रेप" चरण (लोकलाइज़ेशन)
किसी भी सामग्री को छूने से पहले, AI एक बहुत ही विस्तृत "प्रेप लिस्ट" (तैयारी की सूची) बनाता है। यह पहचानता है कि कौन सा चाकू उपयोग करना है, कौन सा पैन उठाना है, और—सबसे महत्वपूर्ण—यह सुरक्षा नियम निर्धारित करता है। यह तय करता है: "यदि सूप बहुत नमकीन हो जाता है, तो मैं तुरंत इसमें और अधिक शोरबा (broth) डाल दूँगा ताकि इसे ठीक किया जा सके," या "यदि चूल्हे में आग लग जाती है, तो मैं सब कुछ रोक दूँगा और मूल रेसिपी पर वापस चला जाऊँगा।"
4. "टेस्ट टेस्ट" चरण (निष्पादन और फीडबैक)
यहीं असली जादू होता है। AI वास्तव में "खाना पकाता" है (कोड लिखता है और चलाता है)। लेकिन यह केवल काम पूरा करके चला नहीं जाता। यह एक कठोर "टेस्ट टेस्ट" (जिसे QoR या क्वालिटी ऑफ रिजल्ट्स कहा जाता है) करता है।
यह "स्वाद" को तीन मुख्य मापदंडों का उपयोग करके मापता है:
- वायरलेंथ (सामग्री): क्या लेआउट कुशल है, या यह स्पैगेटी के ढेर जैसा उलझा हुआ है?
- क्लॉक पीरियड (टाइमिंग): क्या भोजन सही गति से परोसा जा रहा है, या यह बहुत धीमा है?
- पावर (ऊर्जा): क्या किचन इस भोजन को पकाने के लिए बहुत अधिक गैस का उपयोग कर रहा है?
यदि "स्वाद" बेहतर है, तो AI उस बदलाव को बनाए रखता है। यदि "स्वाद" खराब है, तो AI अपनी गलती को पहचानता है, "जले हुए" व्यंजन को देखता है, समझता है कि ऐसा क्यों हुआ, और एक अलग रेसिपी आज़माता है।
परिणाम: एक आत्म-सुधार करने वाला किचन
शोधकर्ताओं ने पाया कि AI ने केवल छोटे बदलाव ही नहीं किए; इसने वास्तव में कंप्यूटर चिप्स को बेहतर तरीके से "पकाने" के तरीके खोज निकाले। यह प्रबंध करने में सफल रहा:
- "स्पैगेटी" जैसी वायरिंग को 5.9% तक कम करना।
- "सर्विस" (टाइमिंग) को 10% तक तेज करना।
- "गैस बिल" (बिजली की खपत) को 19.4% तक कम करना।
बड़ी तस्वीर: इंसानों द्वारा चिप्स को तेज़ और अधिक कुशल बनाने के लिए जटिल सॉफ़्टवेयर को मैन्युअल रूप से ट्यून करने में वर्षों बिताने के बजाय, हम ऐसे AI "इंजीनियर" बना रहे हैं जो मैनुअल पढ़ सकते हैं, विज्ञान का अध्ययन कर सकते हैं, और बेहतर तकनीक बनाने के लिए खुद को सिखा सकते 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।