Framework di Agenti AI Traduce Codice Fortran Legacy in Devito
Un nuovo approccio per agenti AI combina il Retrieval-Augmented Generation (RAG) con modelli linguistici di grandi dimensioni open-source per analizzare vecchi codici alle differenze finite e adattarli al framework Devito. Questo metodo utilizza un'architettura LangGraph con più fasi iterative. Crea un grafo della conoscenza per Devito usando tecniche come parsing di documenti, estrazione di relazioni, segmentazione basata sulla struttura e rilevamento di comunità basato su Leiden. L'ottimizzazione GraphRAG migliora l'efficienza delle query in diverse aree semantiche, come la simulazione di onde sismiche e la fluidodinamica computazionale. Inoltre, un componente di reverse engineering sviluppa strategie di query a tre livelli per il recupero RAG analizzando il codice sorgente Fortran. Puoi trovare maggiori informazioni su questa ricerca in arXiv:2601.18181.
Fatti principali
- Il framework di agenti AI utilizza RAG e LLM open-source.
- È progettato per tradurre codice legacy alle differenze finite in Devito.
- Il sistema utilizza un'architettura ibrida LangGraph.
- Un grafo della conoscenza viene costruito usando parsing di documenti e rilevamento di comunità.
- L'ottimizzazione GraphRAG migliora le prestazioni delle query.
- Il reverse engineering deriva strategie di query a tre livelli dal codice Fortran.
- Il pipeline di recupero multi-fase fornisce informazioni contestuali.
- L'articolo è disponibile su arXiv con ID 2601.18181.
Entità
Istituzioni
- arXiv