An Agentic Workflow for Legacy HPC Modernization: Converting the Two-Electron-Integral Core of GAMESS
यह शोध पत्र एक एजेंटिक वर्कफ़्लो प्रस्तुत करता है जिसने मानव पर्यवेक्षण के तहत तीन प्रॉम्प्ट-विशेषज्ञ एआई एजेंटों और एक कठोर बिट-फॉर-बिट सत्यापन ओरेकल का उपयोग करते हुए, GAMESS क्वांटम-केमिस्ट्री पैकेज के 56,448 लाइनों के लेगेसी फोर्ट्रान 77 कोड को फोर्ट्रान 2008 में सफलतापूर्वक आधुनिक बनाया, जिससे 612 परीक्षण रन में पूर्ण सत्यापन प्राप्त हुआ।
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
सुपरकंप्यूटरों की दुनिया की कल्पना एक विशाल, प्राचीन पुस्तकालय के रूप में करें जहाँ सबसे महत्वपूर्ण पुस्तकें 'फोर्ट्रान' (Fortran) नामक एक भाषा में लिखी गई हैं। दशकों से, वैज्ञानिक इन पुस्तकों का उपयोग यह अनुमान लगाने के लिए करते आए हैं कि परमाणु आपस में कैसे जुड़ते हैं, नई दवाएं कैसे काम कर सकती हैं, और मौसम कैसे बदलेगा। लेकिन इनमें से कई पुस्तकें एक पुराने ढंग की शैली में लिखी गई हैं, जैसे पीले पड़ चुके कागज पर हाथ से लिखे गए नोट्स, जिन्हें केवल कुछ विशेषज्ञ ही पढ़ सकते हैं। यह "पुरानी शैली" आधुनिक उपकरणों, जैसे कि सुपर-फास्ट ग्राफिक्स कार्ड या नए प्रकार के प्रोसेसर का उपयोग करके समस्याओं को तेजी से हल करना कठिन बना देती है। सबसे बड़ा सवाल जो वैज्ञानिकों के सामने है: क्या हम इन प्राचीन पुस्तकों को एक आधुनिक, आसानी से पढ़े जाने वाले प्रारूप में फिर से लिख सकते हैं, बिना इसके कि उनके भीतर के गणित का एक भी शब्द गलती से बदल जाए? यदि हम गणनाओं में एक भी छोटा अंक बदल देते हैं, तो पूरी भविष्यवाणी गलत हो सकती है, जिससे वर्षों बाद विफल प्रयोग या गलत वैज्ञानिक खोजें हो सकती हैं।
यह शोध पत्र इस कहानी को बताता है कि कैसे एक टीम ने एक "डिजिटल सहायक" जिसे "AI एजेंट" कहा जाता है, का उपयोग करके इस समस्या को हल करने की कोशिश की। एक इंसान के रूप में लाखों लाइनों के कोड को फिर से लिखने के बजाय, उन्होंने काम का भारी बोझ उठाने के लिए AI रोबोटों की एक टीम तैयार की। ये रोबोट केवल अंधाधुंध शब्दों को नहीं बदल रहे थे; उन्हें नियमों का एक सख्त सेट और एक "सत्य डिटेक्टर" (truth detector) दिया गया था जो पूर्ण सटीकता के साथ उनके काम की जांच कर सके। टीम ने एक प्रसिद्ध केमिस्ट्री सॉफ्टवेयर पैकेज, जिसे GAMESS कहा जाता है, के एक विशिष्ट, महत्वपूर्ण हिस्से पर ध्यान केंद्रित किया, जो यह गणना करता है कि इलेक्ट्रॉन एक-दूसरे को कैसे प्रतिकर्षित (repel) करते हैं। उन्होंने पूछा: हम इस विशाल, खतरनाक पुन लेखन कार्य का कितना हिस्सा सुरक्षित रूप से AI को सौंप सकते हैं, और हमें काम को दोबारा जांचने के लिए मानव की आवश्यकता कहाँ पड़ती है?
रोबोट लेखकों की कहानी
शोधकर्ताओं ने तीन अलग-अलग "रोबोट भूमिकाओं" को शामिल करते हुए एक चतुर प्रणाली स्थापित की, जो एक नियम पुस्तिका द्वारा निर्देशित थी जिसे उन रोबोटों ने स्वयं लिखा और अपडेट किया था। इसे एक निर्माण दल की तरह समझें जहाँ एक रोबोट निर्माता (Builder) है, दूसरा निरीक्षक (Inspector) है, और तीसरा वास्तुकार (Architect) है।
- निर्माता (The Builder): इस रोबले ने पुराने, अव्यवस्थित कोड (जो Fortran 77 शैली में लिखा गया था) को लिया और उसे आधुनिक शैली (Fortran 2008) में फिर से लिखा। उसे गणित को बदले बिना, केवल निर्देशों के लिखने के तरीके को बदलने में सावधानी बरतनी थी।
- निरीक्षक (The Inspector): इस रोबोट ने नए कोड को परीक्षणों की एक कठिन प्रक्रिया से गुजारा। उसने नए कोड के परिणामों की तुलना पुराने कोड से की, और जरा से भी अंतर की तलाश की।
- वास्तुकार (The Architect): इस रोबोट ने यह जांचा कि क्या नया कोड सभी शैलीगत नियमों का पालन करता है, जैसे कि यह सुनिश्चित करना कि जब तक बहुत आवश्यक न हो, तब तक पुराने ढंग के "Go To" जंप्स पीछे न छूटे।
सबसे रोमांचक हिस्सा यह था कि इन रोबोटों को अपनी गलतियों को सुधारने की अनुमति दी गई थी। जब उन्हें कोई समस्या मिलती थी, तो वे केवल रुकते नहीं थे; वे अपनी नियम पुस्तिका में एक नया नियम लिखते थे ताकि वे भविष्य में वही गलती दोबारा न करें।
परिणाम: एक पूर्ण स्कोर
टीम ने एक बहुत ही कठिन लक्ष्य चुना: 56,448 लाइनों के कोड और 225 सबरूटीन (subroutines) वाली 12 सोर्स फाइलें। यह GAMESS सॉफ्टवेयर का "इंजन" है, वह हिस्सा जो क्वांटम केमिस्ट्री का मुख्य कार्य करता है।
परिणाम आश्चर्यजनक रूप से सफल रहे। AI एजेंटों ने सभी 12 फाइलों को फिर से लिखने में सफलता प्राप्त की। जब उन्होंने परीक्षण चलाए, तो नए कोड ने पुराने कोड के समान बिट-फॉर-बिट (bit-for-bit) समान परिणाम दिए। इसका अर्थ है कि यदि पुराने कोड ने ऊर्जा स्तर को 12.3456789012 के रूप में निकाला था, तो नए कोड ने ठीक 12.3456789012 ही निकाला। विज्ञान की दुनिया में, बारहवें दशमलव स्थान पर भी अंतर को विफलता माना जाता है, लेकिन यहाँ, अंतर शून्य था।
612 परीक्षण रन में से, रसायन विज्ञान से संबंधित शून्य अंतर पाए गए। रोबोटों ने हर एक परीक्षण पास किया, जिसमें GAMESS समुदाय द्वारा उपयोग किए जाने वाले मानक 49 परीक्षण और टीम द्वारा जोड़े गए 2 अतिरिक्त परीक्षण शामिल थे।
एक गड़बड़ी और मानवीय सुरक्षा जाल
हालाँकि, यह कहानी रोबोटों के पूर्ण होने के बारे में नहीं है; यह इस बारे में है कि वे मनुष्यों के साथ कैसे काम करते हैं। रोबोटों ने एक विशिष्ट प्रकार की गलती की। वे एक पेचीदा कोड से टकराए जहाँ नंबर एक विशिष्ट तरीके से बहुत सघन रूप से पैक किए गए थे। रोबोटों ने कोड का निष्ठापूर्वक अनुवाद किया, लेकिन उन्हें यह एहसास नहीं हुआ कि मूल कोड में एक छिपा हुआ दोष था जो केवल बहुत विशिष्ट, चरम स्थितियों में ही सामने आता है। क्योंकि रोबलेट नियमों का बहुत सख्ती से पालन कर रहे थे, उन्होंने बाकी कोड के साथ उस दोष को भी कॉपी कर लिया।
यहीं पर मानवीय सुरक्षा जाल काम आया। टीम का एक सख्त नियम था: रोबोट अपना काम तब तक मर्ज (merge) नहीं कर सकते थे जब तक कि एक इंसान उसे मंजूरी न दे दे। जब परीक्षण चले, तो उन्होंने इस एक त्रुटि को पकड़ लिया। रोबोटों ने फिर "बाइसेक्शन" (bisection) नामक एक चतुर तकनीक का उपयोग किया (जैसे कि एक जासूस संदिग्धों की सूची को छोटा करता है) ताकि यह पता लगाया जा सके कि वास्तव में कौन सी लाइन गलत थी। उन्होंने इसे ठीक किया, और फिर अपनी नियम पुस्तिका में एक नया नियम लिखा ताकि भविष्य में कोई भी रोबोट वह गलती दोबारा न करे।
यह शोध पत्र दिखाता है कि जबकि रोबोट लगभग सारा काम कर सकते थे—कोड को पढ़ना, फिर से लिखना, परीक्षण करना और यहाँ तक कि अपने बग्स को ठीक करना भी—उन्हें अभी भी यह अंतिम निर्णय लेने के लिए एक इंसान की आवश्यकता थी कि क्या परिणाम स्वीकार्य हैं। रोबोटों ने मात्रा (volume) को संभाला, लेकिन मनुष्यों ने निर्णय (judgment) को संभाला।
यह क्यों महत्वपूर्ण है
यह अध्ययन सिद्ध करता है कि हम बिना किसी चीज़ को तोड़े, विशाल, प्राचीन वैज्ञानिक कोडबेस को आधुनिक बनाने के लिए AI का उपयोग कर सकते हैं। मुख्य बात केवल एक स्मार्ट AI होना नहीं था; बल्कि एक सख्त सत्यापन प्रणाली (strict verification system) (वह "सत्य डिटेक्टर") का होना था जो सूक्ष्म से सूक्ष्म त्रुटियों को भी पकड़ सके। क्योंकि वैज्ञानिकों के पास उत्तरों को जांचने का एक पूर्ण तरीका था (ज्ञात, सही मानों से तुलना करना), वे काम करने के लिए रोबोटों पर भरोसा कर सके।
यह शोध पत्र सुझाव देता है कि इस दृष्टिकोण का उपयोग अन्य बड़े वैज्ञानिक प्रोजेक्ट्स के लिए भी किया जा सकता है, लेकिन यह यह चेतावनी भी देता है कि यह तभी काम करता है जब आपके पास परिणामों की जांच करने का एक तरीका हो। यदि आपके पास तुलना करने के लिए कोई "गोल्ड स्टैंडर्ड" (gold standard) नहीं है, तो आप सुनिश्चित नहीं हो सकते कि रोबोटों ने गणित को नहीं बदला है। इस मामले में, रोबोटों ने भारी काम किया, मनुष्यों ने सुरक्षा जाल प्रदान किया, और साथ मिलकर, उन्होंने एक अंक की भी सटीकता खोए बिना वैज्ञानिक इतिहास के एक हिस्से को सफलतापूर्वक अपडेट किया।
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।