Hierarchical Server Architecture for Agentic Science

सुपरकंप्यूटरों की दुनिया को एक ठंडे कमरे में रखे एक अकेले, विशाल मस्तिष्क के रूप में नहीं, बल्कि विभिन्न मशीनों के एक विशाल, अराजक ब्रह्मांड के रूप में कल्पना करें। कुछ पारंपरिक, विशाल सुपरकंप्यूटर (HPC) हैं जो वर्षों तक गणना करते हैं; कुछ लचीले क्लाउड सर्वर हैं जो तुरंत सक्रिय हो सकते हैं; और कुछ छोटे "एज" (edge) उपकरण हैं जो सीधे सेंसर के पास स्थित होते हैं। दशकों तक, वैज्ञानिकों को अंतिम मार्गदर्शक बनना पड़ा, उन्हें मैन्युअल रूप से हर एक मशीन की जांच करनी पड़ती थी कि क्या उसमें सही सॉफ्टवेयर, पर्याप्त मेमोरी और सही नेटवर्क स्पीड है, इससे पहले कि वे अपने प्रयोग चला सकें। यह एक ऐसे गैरेज में एक विशिष्ट प्रकार का रिंच (wrench) खोजने जैसा था जहाँ हर उपकरण को अलग भाषा में लेबल किया गया हो।

"एजेंटिक साइंस" (Agentic Science) का आगमन हुआ। यह सोचने का एक नया तरीका है जहाँ कंप्यूटर केवल आदेशों की प्रतीक्षा नहीं करते; वे एक-दूसरे से बात करते हैं। एक इंसान द्वारा "क्या आपके पास GPU है?" पूछने के बजाय, एक स्मार्ट कंप्यूटर प्रोग्राम ("एजेंट") पूछ सकता है, "मुझे एक सिमुलेशन चलाने की आवश्यकता है जिसके लिए एक विशिष्ट प्रकार के ग्राफिक्स कार्ड और 500 गीगाबाइट मेमोरी की आवश्यकता है। कौन मदद कर सकता है?" आप जो पेपर पढ़ने जा रहे हैं वह इस बात पर अन्वेषण करता है कि एक ऐसा सिस्टम कैसे बनाया जाए जहाँ ये स्मार्ट एजेंट बातचीत कर सकें, सही मशीन खोज सकें और बिना किसी इंसान को दुनिया के हर सर्वर के हर विवरण को जाने, काम शुरू कर सकें।

---

डिजिटल मैचमेकिंग सर्विस (The Digital Matchmaking Service)

इस शोध पत्र में, लॉरेंस लिवरमोर नेशनल लैबोरेट्री के वैनेसा सोचैट और डैनियल मिलरॉय इस कंप्यूटर के अराजक ब्रह्मांड को व्यवस्थित करने का एक नया तरीका प्रस्तावित करते हैं। वे इसे हाइरार्किकल सर्वर आर्किटेक्चर (Hierarchical Server Architecture) कहते हैं। इसे समझने के लिए, एक विशाल, अंतरतारकीय ट्रैवल एजेंसी की कल्पना करें।

पुराने दिनों में, यदि आप कोई यात्रा बुक करना चाहते थे, तो आपको प्रत्येक एयरलाइन, होटल और ट्रेन स्टेशन को व्यक्तिगत रूप से कॉल करके पूछना पड़ता था कि क्या उनके पास सीट है। यहाँ वर्णित नए सिस्टम में, आपके पास एक हब (मुख्य ट्रैवल एजेंसी) और सेक्रेटरीज (एयरलाइनों के लिए काम करने वाले एजेंटों) का एक बेड़ा होता है। आप हब को अपनी ज़रूरतें बताते हैं: "मुझे कल के लिए मंगल ग्रह की एक उड़ान चाहिए, जिसमें शाकाहारी भोजन हो।" हब खुद विमानों की जाँच नहीं करता है; इसके बजाय, यह तुरंत अपने सभी सेक्रेटरीज से एक साथ पूछता है।

प्रत्येक सेक्रेटरी एक विशिष्ट कंप्यूटर (एक "वर्कर") का प्रतिनिधित्व करने वाला एक स्मार्ट सहायक है। उनके पास एक विशेष टूलकिट है जो उन्हें अपने स्वयं के कंप्यूटर के इन्वेंट्री की जांच करने की अनुमति देता है। वे जाँचते हैं: क्या हमारे पास सही सॉफ्टवेयर है? क्या मेमोरी भरी हुई है? क्या नेटवर्क पर्याप्त तेज़ है? फिर, वे हब को एक प्रस्ताव भेजते हैं: "मैं यह कर सकता हूँ!" या "मैं बहुत व्यस्त हूँ," या "मेरे पास सही पुर्जे नहीं हैं।"

"रिसोर्स सेक्रेटरी" और 51 टूल्स

इस सिस्टम का जादू रिसोर्स सेक्रेटरी (Resource Secretary) में निहित है, जो एक सॉफ्टवेयर का हिस्सा है जो एक सार्वभौमिक अनुवादक (universal translator) के रूप में कार्य करता है। लेखकों ने 51 विभिन्न "प्रदाताओं" (providers) के साथ एक लाइब्रेरी बनाई है (ऐसे टूल्स जो स्टोरेज, मेमोरी या सॉफ्टवेयर पैकेज जैसी चीजों की जांच करते हैं)। ये टूल्स वास्तविक कंप्यूटरों और यहाँ तक कि नकली, सिम्युलेटेड कंप्यूटरों के लिए भी काम करते हैं।

इन प्रदाताओं को विशेषज्ञ टॉर्च (flashlights) के एक सेट के रूप में सोचें। एक टॉर्च "स्लम" (Slurm - एक सामान्य जॉब मैनेजर) की जाँच करती है, दूसरी "कुबरनेट्स" (Kubernetes - एक क्लाउड मैनेजर) की, तीसरी "डॉकर" (Docker - कंटेनर्स) की, और इसी तरह। जब एक सेक्रेटरी एजेंट को एक अनुरोध प्राप्त होता है, तो वह यह देखने के लिए सही टॉर्च जलाता है कि वास्तव में कमरे में क्या है। यदि कोई उपयोगकर्ता किसी सॉफ्टवेयर प्रोग्राम के विशिष्ट संस्करण के लिए पूछता है, तो एजेंट केवल अनुमान लगाने के बजाय उसे खोजने के लिए इन टूल्स का उपयोग करता है।

महान सिमुलेशन: 20,000 परीक्षण

यह विचार वास्तव में काम करता है या नहीं, यह देखने के लिए लेखकों ने केवल कल्पना नहीं की; उन्होंने एक विशाल सिमुलेशन चलाया। उन्होंने 200 नकली कंप्यूटर (वर्कर्स) बनाए जिनके अलग-अलग व्यक्तित्व थे:

• HPC आर्कटाइप: सख्त नियमों वाले बड़े, पारंपरिक सुपरकंप्यूटर।
• क्लाउड आर्कटाइप: लचीले, विविध और कभी-कभी अव्यवस्थित।
• स्टैंडअलोन आर्कटाइप: एक शक्तिशाली लैपटॉप या एज डिवाइस जैसे छोटे, एकल मशीन।

फिर उन्होंने 19,973 बातचीत परीक्षण (negotiation tests) उत्पन्न किए। इन परीक्षणों में, उन्होंने एजेंटों से अलग-अलग स्तर के विवरणों के साथ कार्यों के लिए संसाधनों को खोजने के लिए कहा। कुछ अनुरोध अस्पष्ट थे ("मुझे एक कंप्यूटर चाहिए"), जबकि अन्य अविश्वसनीय रूप से विशिष्ट थे ("मुझे 128 CPUs, 1TB RAM, एक विशिष्ट नेटवर्क स्पीड और 'सिंगुलैरिटी' नामक कंटेनर वाला कंप्यूटर चाहिए")।

उन्होंने क्या पाया: "ना" कहने में अच्छे, "हाँ" कहने में कठिन

परिणाम प्रभावशाली सफलता और स्पष्ट सीखों का मिश्रण थे।

अच्छी खबर: एजेंट यह पता लगाने में आश्चर्यजनक रूप से अच्छे थे कि क्या एक कंप्यूटर कोई काम कर सकता है। उन्होंने 87.71% की समग्र सटीकता हासिल की। इसका मतलब है कि जब उन्होंने कहा, "हाँ, मैं यह कर सकता हूँ," या "नहीं, मैं नहीं कर सकता," तो वे अधिकांश समय सही थे। वे यह पहचानने में विशेष रूपत कुशल थे कि एक कंप्यूटर काम क्यों नहीं कर सकता (जैसे कि जब कोई आवश्यक सॉफ्टवेयर गायब हो)।

बुरी खबर (और "क्यों"): एजेंटों ने गलतियाँ तब कीं जब वे बहुत अधिक आत्मविश्वासी थे। 1,611 मामलों में, एजेंट ने कहा कि एक कंप्यूटर संगत (compatible) था जबकि वास्तव में वह नहीं था। मुख्य अपराधी? सॉफ्टवेयर वर्शन्स (Software versions)।
कल्पना कीजिए कि एक उपयोगकर्ता "Python 3.9" मांग रहा है। एजेंट देख सकता है कि "Python 3.9" इंस्टॉल है लेकिन वह यह पहचानने में विफल हो सकता है कि काम के लिए आवश्यक विशिष्ट लाइब्रेरी वास्तव में संस्करण 3.8 है। एजेंट मुख्य सॉफ्टवेयर और उसके डिपेंडेंसीज़ (dependencies) के बीच भ्रमित हो गया। लेखक सुझाव देते हैं कि एजेंटों द्वारा उपयोग किए जाने वाले टूल्स को अधिक सटीक होने की आवश्यकता है, जो उन्हें केवल एक सामान्य सूची देने के बजाय सटीक संस्करण संख्या प्रदान करें।

विशिष्टता की समस्या (The Specificity Problem): एजेंट दो चरम सीमाओं के साथ संघर्ष करते थे:

1. बहुत अस्पष्ट: यदि उपयोगकर्ता केवल कहता "मुझे एक कंप्यूटर चाहिए" बिना यह बताए कि उसे किस सॉफ्टवेयर की आवश्यकता है, तो एजेंट के पास अच्छा निर्णय लेने के लिए पर्याप्त जानकारी नहीं होती थी।
2. बहुत विशिष्ट: जब अनुरोध बहुत जटिल हो जाता था (जैसे किसी विशिष्ट कंटेनर तकनीक के लिए पूछना), तो एजेंट कभी-कभी खो जाते थे या गलत "टॉर्च" का उपयोग करते थे, जिससे त्रुटियां होती थीं।

चयन की दौड़: काम किसे मिलता है?

एक बार जब एजेंटों ने वे कंप्यूटर ढूंढ लिए जो काम कर सकते थे, तो सिस्टम को सर्वश्रेष्ठ को चुनना था। लेखकों ने अपनी "एजेंटिक" चयन रणनीति का 6 पारंपरिक रणनीतियों (जैसे "उपलब्ध पहला चुनें" या "सबसे सस्ता चुनें") के विरुद्ध परीक्षण किया।

• गति: पारंपरिक तरीके बिजली की तरह तेज़ थे (एक मिलीसेकंड से कम समय लेते थे)। AI एजेंट धीमा था, प्रति निर्णय लगभग 2.19 सेकंड लेता था। लेखक स्वीकार करते हैं कि यह एक ट्रेड-ऑफ है: AI स्मार्ट है लेकिन सोचने में थोड़ा समय लेता है।
• लागत: AI एजेंट पैसा बचाने में आश्चर्यजनक रूप से अच्छा था। इसने कभी-कभी थोड़ा अधिक महंगा मशीन चुना यदि इसका मतलब यह था कि काम तेजी से समाप्त होगा, एक ऐसा सूक्ष्म अंतर जिसे सरल "सबसे सस्ता पहले" वाले नियम अक्सर छोड़ देते हैं। हालांकि, लेखक नोट करते हैं कि उनके सिमुलेशन में इस बात का पूरा हिसाब नहीं लगाया गया था कि एक बेहतर मशीन पर काम कितनी तेजी से चल सकता है, इसलिए यह केवल संभावनाओं का एक संकेत है।

निष्कर्ष

यह पेपर यह दावा नहीं करता है कि इसने कंप्यूटर शेड्यूलिंग की समस्या को हमेशा के लिए हल कर दिया है। इसके बजाय, यह सिद्ध करता है कि एक हाइरार्किकल, एजेंट-आधारित सिस्टम विभिन्न प्रकार के कंप्यूटरों को प्रबंधित करने का एक व्यवहार्य तरीका है। यह दिखाता है कि हम एक ऐसा सिस्टम बना सकते हैं जहाँ कंप्यूटर संसाधनों को खोजने के लिए एक-दूसरे से बात कर सकें, लगभग 88% की सटीकता के साथ।

लेखक निष्कर्ष निकालते हैं कि जबकि "सेक्रेटरी एजेंट" खराब विकल्पों को खारिज करने में महान हैं, उन्हें जटिल सॉफ्टवेयर वर्शन्स और बहुत विशिष्ट अनुरोधों को संभालने के लिए बेहतर टूल्स की आवश्यकता है। वे यह भी बताते हैं कि हालांकि AI एक साधारण नियम की तुलना में धीमा है, संदर्भ को समझने और लचीले विकल्प बनाने की इसकी क्षमता इसे भविष्य के विज्ञान के लिए एक शक्तिशाली उपकरण बनाती है। यह सिस्टम वास्तविक दुनिया में परीक्षण के लिए तैयार है, विशेष रूप से "जेनेसिस मिशन" (Genesis Mission) के लिए, जो वैज्ञानिक खोज को स्वचालित करने का लक्ष्य रखने वाला एक प्रोजेक्ट है।

संक्षेप में, सुपरकंप्यूटिंग का भविष्य केवल बड़ी मशीनें बनाने के बारे में नहीं है; यह उन्हें यह सिखाने के बारे में है कि वे कैसे बात करें, बातचीत करें और हर काम के लिए सही मिलान खोजें, जबकि इंसान पीछे हट जाएं और एजेंटों को भारी काम करने दें।