QiboAgent: a practitioner's guideline to open source assistants for Quantum Computing code development
यह शोध पत्र QiboAgent को प्रस्तुत करता है, जो एक ओपन-सोर्स फ्रेमवर्क है जो रिट्रीवल-ऑगमेंटेड जनरेशन और स्वायत्त एजेंटिक वर्कफ़्लो को संयोजित करता है ताकि हल्के लार्ज लैंग्वेज मॉडल्स को उच्च-परिशुद्धता वाले क्वांटम कंप्यूटिंग कोड उत्पन्न करने में प्रोप्रायटरी बेसलाइन्स से बेहतर प्रदर्शन करने में सक्षम बनाया जा सके, जिससे क्यूबो (Qibo) मिडलवेयर के लिए मतिभ्रम (hallucinations) को कम किया जा सके और जटिल सॉफ्टवेयर इंजीनियरिंग कार्यों को स्वचालित किया जा सके।
मूल पेपर CC BY 4.0 (https://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 घर बनाने की कोशिश कर रहे हैं, लेकिन ब्लूप्रिंट ऐसी भाषा में लिखे गए हैं जिसे आप मुश्किल से समझ पाते हैं, और आपको जिन औजारों की जरूरत है वे एक शहर के आकार के पुस्तकालय में बिखरे हुए हैं। यह क्वांटम कंप्यूटिंग (Quantum Computing) पर काम करने वाले वैज्ञानिकों की दैनिक वास्तविकता है। यह एक ऐसा क्षेत्र है जहाँ भौतिकी के नियम अजीब हो जाते हैं, और इन मशीनों को नियंत्रित करने के लिए आवश्यक सॉफ़्टवेयर अविश्वसनीय रूप से जटिल होता है। इसे काम करने योग्य बनाने के लिए, वैज्ञानिक "मिडलवेयर" (middleware) पर भरोसा करते हैं—एक ऐसा सॉफ़्टवेयर स्तर जो मानव विचारों और क्वांटम हार्डवेयर के बीच एक अनुवादक के रूप में कार्य करता है। लेकिन जैसे-जैसे ये सॉफ़्टवेयर लाइब्रेरी बढ़ती हैं, वे विशाल, अव्यवस्थित और रखरखाव में कठिन होती जाती हैं। यहाँ प्रवेश होता है आर्टिफिशियल इंटेलिजेंस (AI) का, विशेष रूप से लार्ज लैंग्वेज मॉडल्स (LLMs) का। इन्हें सुपर-स्मार्ट, अच्छी तरह से पढ़े-लिखे रोबोट के रूप में सोचें जो कोड लिख सकते हैं और सवालों के जवाब दे सकते हैं। हालाँकि, इसमें एक पेंच है: यदि आप बस एक सामान्य रोबोट से किसी विशिष्ट क्वांटम समस्या को ठीक करने के लिए कहते हैं, तो वह अक्सर चीजें बनाना शुरू कर देता है (जिसे "हैलुसिनेशन" या भ्रम की घटना कहा जाता है) क्योंकि उसके पास उस विशिष्ट लाइब्रेरी के लिए विशिष्ट, अद्यतित मैनुअल नहीं होता है।
यह शोध पत्र QiboAgent को पेश करता है, जो इन AI सहायकों को बनाने का एक नया तरीका है ताकि वे केवल अनुमान न लगाएं, बल्कि वास्तव में यह जानें कि वे किस बारे में बात कर रहे हैं। शोधकर्ताओं ने दो मुख्य युक्तियों का परीक्षण किया। पहली है रिट्रीवल-ऑगमेंटेड जनरेशन (RAG), जो रोबोट को एक लाइब्रेरी कार्ड देने और उसे जवाब देने से पहले मैनुअल के सटीक पन्ने को खोजने के लिए कहने जैसा है। दूसरी है एक एजेंटिक वर्कफ्लो (Agentic Workflow), जो रोबट को एक निष्क्रिय प्रश्न-उत्तर देने वाले से बदलकर एक सक्रिय कार्यकर्ता में बदल देती है जो फाइलें खोल सकता है, परीक्षण चला सकता है, त्रुटियों को सुधार सकता है, और अपने आप कोडबेस के हिस्सों को फिर से लिख भी सकता है। बड़ा सवाल यह था: क्या हम ओपन-सोर्स टूल्स का उपयोग करके एक शक्तिशाली, विशिष्ट कोडिंग असिस्टेंट बना सकते हैं जो एक साधारण कंप्यूटर पर चलने के लिए पर्याप्त छोटे हों, बिना किसी अरबों डॉलर के सुपरकंप्यूटर की आवश्यकता के?
शोधकर्ताओं ने पाया कि उत्तर एक जोरदार "हाँ" है, लेकिन केवल तभी जब आप सही उपकरणों का संयोजन उपयोग करते हैं। उन्होंने पाया कि एक हल्के, ओपन-सोर्स AI मॉडल को एक ऐसे सिस्टम के साथ जोड़ने से, जो आधिकारिक कोड डॉक्यूमेंटेशन की लगातार जांच करता है (RAG), वे सही कोड उत्पन्न करने में 90.2% सटीकता दर प्राप्त कर सके। यह अकेले AI का उपयोग करने या बिना "लाइब्रेरी कार्ड" सिस्टम के एक विशाल, महंगे कमर्शियल मॉडल का उपयोग करने की तुलना में एक बड़ा सुधार है। वास्तव में, उनके दृष्टिकोण ने AI द्वारा फर्जी कोड फीचर्स बनाने (हैलुसिनेशन) की घटनाओं को काफी कम कर दिया।
लेकिन रोबोट केवल सवालों के जवाब देने तक ही नहीं रुका। टीम ने दिखाया कि उनका एजेंटिक (Agentic) सिस्टम एक जूनियर सॉफ्टवेयर इंजीनियर की तरह कार्य कर सकता है। इसने उपयोगकर्ताओं द्वारा रिपोर्ट किए गए वास्तविक बग्स को सफलतापूर्वक ठीक किया, नए फीचर्स के लिए डॉक्यूमेंटेशन लिखा, और एक विशाल प्रोजेक्ट को अंजाम दिया: सॉफ्टवेयर के एक मुख्य हिस्से को पायथन (Python) से रस्ट (Rust) (एक तेज़, आधुनिक प्रोग्रामिंग भाषा) में फिर से लिखना। AI ने केवल कोड नहीं लिखा; इसने परीक्षण चलाए, देखा कि वे कहाँ विफल हुए, त्रुटि संदेशों को पढ़ा, और अपने कोड को तब तक ठीक करता रहा जब तक कि कोड काम नहीं करने लगा। हालांकि अंतिम परिणाम एकदम सटीक नहीं था (यह डेटा को कैश करने जैसे मानवीय-स्तर के अनुकूलन को मिस कर गया जिससे यह तेज़ हो जाता), इसने साबित कर दिया कि एक छोटा, ओपन-सोर्स AI उन जटिल, बहु-चरणीय इंजीनियरिंग कार्यों को संभाल सकता है जिनमें आमतौर पर मनुष्यों की एक टीम की आवश्यकता होती है।
यह शोध पत्र सुझाव देता है कि यह "हाइब्रिड" दृष्टिकोण—एक स्मार्ट लेकिन छोटे AI को तथ्यों की जांच करने वाले सख्त सिस्टम और कोड पर कार्य करने की क्षमता के साथ जोड़ना—वैज्ञानिक सॉफ़्टवेयर के रखरखाव का भविष्य है। इसका अर्थ है कि शोधकर्ता अपना डेटा निजी रख सकते हैं और इन शक्तिशाली उपकरणों को स्थानीय रूप से चला सकते हैं, बिना विशाल, मालिकाना कंपनियों पर निर्भर हुए। हालाँकि, लेखक इस बात पर सावधानी बरतते हैं कि यह कोई जादुई छड़ी नहीं है जो मानव प्रोग्रामर्स की जगह ले ले। AI एक शक्तिशाली सहायक है जो भारी काम और दोहराव वाले काम को कर सकता है, लेकिन काम की समीक्षा करने, सूक्ष्म अक्षमताओं को ठीक करने और समग्र दिशा निर्देशित करने के लिए मनुष्यों की अभी भी आवश्यकता है। यह अध्ययन दिखाता है कि सही सेटअप के साथ, हम क्वांटम सॉफ़्टवेयर के लिए एक "को-पायलट" बना सकते हैं जो स्मार्ट और विश्वसनीय दोनों 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।