← नवीनतम पेपर
⚛️ क्वांटम भौतिकी

Agentic MLIR-to-QIR Translation with Dual-Backend Testing: A Hybrid Deterministic and LLM Approach

यह शोध पत्र एक हाइब्रिड MLIR-to-QIR ट्रांसलेशन फ्रेमवर्क प्रस्तुत करता है जो ज्ञात डायलेक्ट्स के लिए नियत (deterministic) कंपाइलर पासेस को अनदेखे डायलेक्ट्स के लिए एक LLM-आधारित एजेंटिक पाथ के साथ जोड़ता है, जो विविध क्वांटम सर्किटों में उच्च-सटीकता वाले आउटपुट सुनिश्चित करने के लिए एक ड्यूल-बैकएंड टेस्टिंग पाइपलाइन का उपयोग करता है।

मूल लेखक: Sharmin Afrose, Vicente Leyton-Ortega, Narasinga Rao Miniskar, Elaine Wong, Travis S. Humble

प्रकाशित 2026-11-20
📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Sharmin Afrose, Vicente Leyton-Ortega, Narasinga Rao Miniskar, Elaine Wong, Travis S. Humble

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 लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

क्वांटम कंप्यूटिंग की दुनिया वर्तमान में कई अलग-अलग भाषाओं का एक परिदृश्य है। जिस तरह एक यात्री उन सीमाओं के पार संवाद करने में संघर्ष कर सकता है जहाँ हर देश अलग भाषा बोलता है, वैज्ञानिकों और इंजीनियरों को भी क्वांटम तकनीक में एक समान बाधा का सामना करना पड़ता है। विभिन्न हार्डवेयर निर्माताओं और सॉफ्टवेयर समूहों ने क्वांटम सर्किटों का वर्णन करने के अपने अनूठे तरीके बनाए हैं, जो वे निर्देश हैं जो क्वांटम कंप्यूटर को बताते हैं कि क्या करना है। ये विवरण एक जटिल तकनीकी भाषा के बोलियों की तरह हैं। जबकि प्रत्येक बोली अपने स्वयं के पारिस्थितिकी तंत्र के भीतर पूरी तरह से काम करती है, वे स्वाभाविक रूप से एक-दूसरे को नहीं समझती हैं। यह एक महत्वपूर्ण समस्या पैदा करता है: एक प्रकार की क्वांटम मशीन के लिए लिखा गया प्रोग्राम अक्सर बिना किसी मानव विशेषज्ञ द्वारा कोड को मैन्युअल रूप से पुन: लिखे बिना दूसरी मशीन पर नहीं चल सकता है, जो एक धीमी और त्रुटिपूर्ण प्रक्रिया है जो पूरे क्षेत्र की गति को धीमा कर देती है। इसे हल करने के लिए, शोधकर्ताओं को एक सार्वभौमिक अनुवादक की आवश्यकता है जो एक क्वांटम प्रोग्राम को एक बोली में लिखे गए प्रारूप से एक मानक प्रारूप में बदल सके जिसे कोई भी मशीन समझ सके, बिना मूल निर्देशों का अर्थ खोए।

ओक रिज नेशनल लेबोरेटरी के शोधकर्ताओं की एक टीम ने इस अनुवादक के रूप में कार्य करने के लिए एक नई प्रणाली विकसित की है, जो प्रतिस्पर्धी क्वांटम भाषाओं के बीच के अंतर को पाटती है। उनका कार्य कार्यक्रमों को एक लचीले, बहु-स्तरीय प्रारूप में बदलने पर केंद्रित है जिसे एक बोली (dialect) के रूप में जाना जाता है, एक सार्वभौमिक मध्यवर्ती प्रतिनिधित्व (intermediate representation) में, जो एक मानक कोड है जो विभिन्न क्वांटम बैकएंड के लिए एक सामान्य आधार के रूप में कार्य करता है। चुनौती यह है कि जबकि कुछ बोलियाँ सुविख्यात हैं और सख्त नियमों का पालन करती हैं, अन्य नई और अपरिचित हैं, जिससे पारंपरिक कंप्यूटर प्रोग्रामों के लिए उन्हें स्वचालित रूप से अनुवादित करना कठिन हो जाता है। इस चुनौती से निपटने के लिए, टीम ने एक हाइब्रिड सिस्टम बनाया है जो पारंपरिक सॉफ्टवेयर की गति और सटीकता को आर्टिफिशियल इंटेलिजेंस (AI) की अनुकूलन क्षमता के साथ जोड़ता है। उन्होंने एक ऐसा अनुवादक बनाया है जो कार्य के आधार पर तीन अलग-अलग रास्तों में से चुन सकता है: ज्ञात भाषाओं के लिए एक तेज़, नियम-आधारित पथ, नई भाषाओं के लिए एक लचीला, AI-संचालित पथ, और एक रिपेयर (सुधार) पथ जो पहले प्रयास के विफल होने पर गलतियों को ठीक करता है।

यह प्रणाली एक अत्यधिक संगठित फैक्ट्री लाइन की तरह काम करती है जिसमें एक अंतर्निहित गुणवत्ता नियंत्रण तंत्र होता है। जब एक क्वांटम प्रोग्राम आता है, तो सिस्टम पहले यह जाँचता है कि वह किस बोली में लिखा गया है। यदि बोली वह है जिसे सिस्टम अच्छी तरह जानता है, जैसे कि Catalyst या Quake जैसे प्रमुख फ्रेमवर्क द्वारा उपयोग की जाने वाली बोलियाँ, तो यह एक सीधा, नियतात्मक (deterministic) मार्ग लेता है। इस मोड में, सॉफ्टवेयर कोड को परिवर्तित करने के लिए पूर्व-लिखित नियमों के एक सख्त सेट का पालन करता है, एक ऐसी प्रक्रिया जिसमें केवल एक सेकंड का बहुत छोटा हिस्सा लगता है और यह ज्ञात संरचनाओं के लिए पूरी तरह से सटीक होती है। हालाँकि, यदि सिस्टम को एक नई या अपरिचित बोली का सामना करना पड़ता है, तो यह एक एजेंटिक मोड में स्विच हो जाता है। यहाँ, यह एक लार्ज लैंग्वेज मॉडल (LLM) का उपयोग करता है, जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जिसे कोड को समझने और उत्पन्न करने के लिए प्रशिक्षित किया गया है, ताकि अनुवाद करने के लिए। यह AI एजेंट एक कुशल भाषाविद् की तरह कार्य करता है, जो नई भाषा का विश्लेषण करता है और प्रॉम्प्ट में दिए गए विशिष्ट उदाहरणों और नियमों के आधार पर अनुवाद का निर्माण करता है।

महत्वपूर्ण रूप से, शोधकर्ताओं ने केवल AI पर सही आउटपुट देने के लिए भरोसा नहीं किया। उन्होंने एक कठोर परीक्षण पाइपलाइन बनाई है जो दोहरी जाँच के रूप में कार्य करती है। एक बार अनुवाद पूरा हो जाने के बाद, सिस्टम मूल क्वांटम प्रोग्राम और नए अनुवादित संस्करण को दो अलग-अलग, स्वतंत्र सिमुलेटरों पर चलाता है। ये सिमुलेटर वर्चुअल क्वांटम कंप्यूटर के रूप में कार्य करते हैं जो निर्देशों को निष्पादित करते हैं और परिणाम उत्पन्न करते हैं। सिस्टम फिर दोनों रन के परिणामों के सांख्यिकीय वितरण की तुलना करता है। यदि परिणाम पर्याप्त रूप से मेल खाते हैं, तो अनुवाद को स्वीकार कर लिया जाता है। यदि वे मेल नहीं खाते हैं, तो सिस्टम हार नहीं मानता; इसके बजाय, यह एक रिपेयर लूप में प्रवेश करता है। यह त्रुटि की जानकारी को वापस AI एजेंट को फीड करता है, समझाता है कि क्या गलत हुआ, और एजेंट को फिर से प्रयास करने के लिए कहता है। अनुवाद, परीक्षण और मरम्मत का यह चक्र तब तक कई बार दोहराया जा सकता है जब तक कि एक वैध, कार्यशील अनुवाद नहीं मिल जाता।

यह सुनिश्चित करने के लिए कि सिस्टम तब भी काम करे जब AI अधूरा या अव्यवस्थित आउटपुट उत्पन्न करता है, शोधकर्ताओं ने 'गार्डरेल असेंबलर' नामक एक सुरक्षा तंत्र जोड़ा है। छोटे AI मॉडल कभी-कभी क्वांटम ऑपरेशन्स का सही क्रम तो उत्पन्न करते हैं लेकिन आवश्यक संरचनात्मक विवरणों को शामिल करना भूल जाते हैं, जैसे कि वेरिएबल डिक्लेरेशन या फॉर्मेटिंग, जो कोड को वैध बनाते हैं। गार्डरेल असेंबलर इन संरचनात्मक मुद्दों को ठीक करने के लिए आगे आता है। यह AI के आउटपुट से मुख्य ऑपरेशन्स को निकालता है और उन्हें मानक टेम्पलेट्स का उपयोग करके एक पूर्ण, वैध कोड फ़ाइल में पुन: संयोजित करता है। यह सिस्टम को उन त्रुटियों से उबरने की अनुमति देता है जो अन्यथा अनुवाद को पूरी तरह से विफल कर देतीं, जिससे प्रक्रिया बहुत अधिक मजबूत हो जाती है।

शोधकर्ताओं ने अपने सिस्टम का परीक्षण चालीस-एक अलग-अलग क्वांटम सर्किट डिज़ाइनों के विविध सेट पर किया, जिसमें सरल दो-क्यूबिट ऑपरेशन्स से लेकर सौ क्यूबिट तक शामिल जटिल एल्गोरिदम तक शामिल थे। उन्होंने सिस्टम का मूल्यांकन तीन अलग-अलग बोलियों पर किया, जिसमें दो सुविख्यात और एक नई, अनदेखी बोली शामिल थी जिसे फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग के लिए डिज़ाइन किया गया था। परिणामों ने दिखाया कि ज्ञात बोलियों के लिए, नियतात्मक पथ त्रुटिहीन था, जिसने गेट संरचनाओं को अनुवादित करने में पूर्ण सटीकता प्राप्त की और ऐसे परिणाम दिए जो मूल प्रोग्रामों के साथ नब्बे प्रतिशत से अधिक की समानता रखते थे। जब सिस्टम को ज्ञात बोलियों के लिए AI एजेंट का उपयोग करने के लिए मजबूर किया गया, तो इसने अच्छा प्रदर्शन किया, हालांकि इसमें काफी अधिक समय लगा, जो मिलीसेकंड के बजाय तीस-पांच से बासठ सेकंड तक रहा।

सबसे महत्वपूर्ण परीक्षण अनदेखी बोली के साथ आया। चूंकि इस नई भाषा के लिए कोई पूर्व-लिखित नियम मौजूद नहीं थे, इसलिए सिस्टम को पूरी तरह से AI एजेंट पर निर्भर रहना पड़ा। इस परिदृश्य में, परीक्षण किए गए छह अलग-अलग AI मॉडलों में से चार पहले ही प्रयास में वैध अनुवाद करने में सक्षम थे। इन मॉडलों ने लॉजिकल-लेवल ऑपरेशन्स को सफलतापूर्वक अनुवादित किया, जो फॉल्ट-टोलरेंट क्वांटम कंप्यूटरों के लिए अमूर्त निर्देश हैं, उन्हें मानक प्रारूप में। सिस्टम ने प्रदर्शित किया कि यह बिना किसी मानव द्वारा नया अनुवादक लिखे, नई भाषाओं को संभाल सकता है। शोधकर्ताओं ने नोट किया कि जबकि AI मॉडल लॉजिकल ऑपरेशन्स को अनुवादित कर सकते थे, वे उन्हें हार्डवेयर के लिए आवश्यक भौतिक विवरणों में स्वतः विस्तारित नहीं करते थे, जो कि बैकएंड सिस्टम की जिम्मेदारी बनी हुई है।

अध्ययन ने इस बात के महत्व पर भी प्रकाश डाला कि AI को जानकारी कैसे प्रदान की जाती है। टीम ने पाया कि केवल AI को सूचना खोजने के लिए एक सर्च टूल देना, जिसे रिट्रीवल-ऑग्मेंटेड जनरेशन (RAG) कहा जाता है, अक्सर छोटे मॉडलों के साथ त्रुटियों का कारण बनता है। इसके बजाय, उन्होंने प्रॉम्प्ट में सीधे सभी आवश्यक संदर्भ सामग्री, जैसे गेट मैपिंग और कोड टेम्पलेट, इंजेक्ट करने में सफलता पाई। यह दृष्टिकोण, जिसे वे 'कॉन्टेक्स्ट इंजीनियरिंग' कहते हैं, यह सुनिश्चित करता है कि AI के पास सभी तथ्य तुरंत उपलब्ध हों, जिससे उस भ्रम की समाप्ति होती जो मॉडल में तब होता था जब वह खुद से उत्तर खोजने का प्रयास करता था।

अंत में, यह कार्य क्वांटम कंप्यूटिंग में इंटरऑपरेबिलिटी (interoperability) की समस्या का एक व्यावहारिक समाधान प्रस्तुत करता है। पारंपरिक कंपाइलरों की गति को आर्टिफिशियल इंटेलिजेंस की लचीलापन और एक कठोर परीक्षण लूप के साथ जोड़कर, शोधकर्ताओं ने एक ऐसी प्रणाली बनाई है जो उच्च विश्वसनीयता के साथ विभिन्न भाषाओं में क्वांटम कोड का अनुवाद कर सकती है। यह सिस्टम केवल अनुमान नहीं लगाता; यह अपने काम को सत्यापित करता है, अपनी गलतियों को सुधारता है, और नई चुनौतियों के अनुकूल बनता है। जबकि नियतात्मक पथ ज्ञात भाषाओं के लिए सबसे तेज़ और सबसे विश्वसनीय बना हुआ है, एजेंटिक पथ एक महत्वपूर्ण सेतु प्रदान करता है, जिससे क्वांटम सॉफ्टवेयर इकोसिस्टम को मैन्युअल रीराइटिंग की आवश्यकता के बिना विकसित होने और नई बोलियों को शामिल करने की अनुमति मिलती है। यह हाइब्रिड दृष्टिकोण एक ऐसे भविष्य का सुझाव देता है जहाँ क्वांटम प्रोग्राम विभिन्न हार्डवेयर प्लेटफार्मों के बीच स्वतंत्र रूप से घूम सकते हैं, जिससे समग्र रूप से क्वांटम तकनीक के विकास को गति मिलती है।

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।

Digest आज़माएँ →