An Agentic Workflow for Legacy HPC Modernization: Converting the Two-Electron-Integral Core of GAMESS
本文介绍了一种智能体工作流，该工作流通过在人类监督下利用三个经过提示词专业化处理的 AI 智能体以及一个严格的逐位验证预言机，成功将 GAMESS 量子化学软件包中的 56,448 行遗留 Fortran 77 代码现代化为 Fortran 2008，并在 612 次测试运行中实现了完美的验证。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，超级计算机的世界就像一座宏伟而古老的图书馆，其中最珍贵的书籍是用一种叫做 Fortran 的语言编写的。几十年来，科学家们一直利用这些书籍来预测原子如何粘合、新药可能如何发挥作用，以及天气将如何变化。但其中许多书籍的写作风格非常陈旧，就像写在泛黄纸张上的手写笔记，只有少数专家才能读懂。这种“旧风格”使得使用现代工具（如超快速图形卡或新型处理器）来更快地解决问题变得异常困难。科学家面临的一个重大问题是：我们能否将这些古老的书籍改写成现代、易读的格式，同时又不小心改变其中数学内容的任何一个字？如果我们甚至改变了计算中哪怕一个微小的数字，整个预测都可能出错，导致多年后的实验失败或错误的科学发现。
这篇论文讲述了一个团队尝试使用一种被称为“AI 智能体”的新型“数字助手”来解决这一问题的故事。他们并没有让一名人类坐在那里去重写数百万行代码，而是建立了一个 AI 机器人团队来承担繁重的体力活。这些机器人不仅仅是在盲目地替换单词；它们被赋予了一套严格的规则和一个能够以完美精度检查其工作的“真相检测器”。该团队专注于一个名为 GAMESS 的著名化学软件包中一个特定且关键的部分，该部分负责计算电子之间的排斥作用。他们提出了一个问题：我们可以安全地将多少这种大规模、高风险的重写工作交给 AI，以及在哪些地方我们仍然需要人类来复核工作？
机器人重写者的故事
研究人员建立了一个巧妙的系统，涉及三个不同的“机器人角色”协同工作，并由一套由机器人自己编写并不断更新的规则手册进行引导。你可以把它想象成一个建筑施工队，其中一个机器人是建筑师（Builder），另一个是检查员（Inspector），第三个是架构师（Architect）。
- 建筑师（Builder）： 这个机器人获取旧的、混乱的代码（以 Fortran 77 风格编写），并将其重写为现代风格（Fortran 2008）。它必须非常小心，不要改变数学逻辑，只改变指令的编写方式。
- 检查员（Inspector）： 这个机器人让新代码通过一系列测试。它将新代码的结果与旧代码进行对比，寻找哪怕是最微小的差异。
- 架构师（Architect）： 这个机器人检查新代码是否遵循了所有的风格规则，例如确保没有留下旧式的、非必要的“Go To”跳转指令。
最令人兴奋的部分是，这些机器人被允许修复自己的错误。当它们发现问题时，它们不仅仅是停下来，而是会在自己的规则手册中写下一条新规则，以便以后不再犯同样的错误。
结果：完美的得分
团队选择了一个非常困难的目标：包含 56,448 行代码和 225 个子程序的 12 个源文件。这是 GAMASS 软件的“引擎”，是执行量子化学核心计算的部分。
结果非常成功。AI 智能体成功重写了所有 12 个文件。当运行测试时，新代码产生的结果与旧代码是位对位（bit-for-bit）完全一致的。这意味着，如果旧代码计算出的能量级为 12.3456789012，那么新代码计算出的结果也精确地是 12.3456789012。在科学界，小数点后第十二位的差异都被视为失败，但在这次任务中，差异为零。
在 612 次测试运行中，出现了零个与化学相关的差异。机器人通过了每一项测试，包括 GAMESS 社区使用的 49 项标准测试以及团队额外增加的 2 项测试。
一个小故障与人类安全网
然而，这个故事的主题并不是关于机器人如何完美，而是关于它们如何与人类协作。机器人确实犯了一种特定类型的错误。它们遇到了一个棘手的代码片段，其中的数字以一种特定的方式紧密排列。机器人忠实地翻译了代码，但它们没有意识到原始代码中隐藏着一个缺陷，这个缺陷只会在非常特定的极端条件下才会显现。因为机器人严格遵守规则，它们连同代码本身一起复制了这个缺陷。
这就是人类安全网发挥作用的地方。团队制定了一条严格的规则：在人类批准之前，机器人不得合并它们的工作。当测试运行时，人类抓住了这个错误。随后，机器人使用了一种叫做“二分法”（类似于侦探缩小嫌疑人名单）的巧妙技巧，找到了出错的具体行。它们修复了它，然后将一条新规则写入了规则手册，以确保未来的机器人永远不会再犯这种错误。
论文表明，虽然机器人可以完成几乎所有的工作——阅读代码、重写代码、测试代码，甚至修复它们自己的漏洞——但它们仍然需要人类来做出最终的判断，即决定结果是否可以接受。机器人处理了工作量，而人类处理了判断力。
为什么这很重要
这项研究证明，我们可以使用 AI 来实现大规模、古老科学代码库的现代化，而不破坏其原有功能。关键不在于拥有一个聪明的 AI，而在于拥有一个严格的验证系统（即“真相检测器”），它能够捕捉到哪怕是最细微的误差。因为科学家们拥有一种完美的检查答案的方法（将结果与已知正确值进行对比），所以他们可以信任机器人完成这项工作。
论文指出，这种方法可以应用于其他大型科学项目，但也警告说，这只有在拥有完美检查机制的情况下才有效。如果你没有一个可以用来对比的“金标准”，你就无法确定机器人是否改变了数学逻辑。在这种情况下，机器人承担了繁重的体力活，人类提供了安全网，两者共同成功地更新了一段科学历史，且未丢失任何一个数字的准确性。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。