Les agents d’IA peuvent-ils automatiser la création de mécanismes de récupération pour des programmes scientifiques après des pannes système ? Cette approche a été développée pour optimiser le flux de travail. Le problème est qu’un supercalculateur peut devenir incapable de continuer à résoudre une tâche à un certain moment de son exécution. Sans mécanisme de récupération en cas d’arrêt inattendu, l’ensemble du calcul pourrait être perdu, obligeant à un redémarrage complet — ce qui est inefficace en termes de temps et d’utilisation des ressources. La solution : des points de contrôle et la reprise à partir du dernier état enregistré (les mêmes points de contrôle qui nous ont sauvés dans les jeux vidéo — pensez au parkour ou à l’horreur à survie — peuvent désormais sauver d’autres types de calculs 🙃). Les agents d’IA ont analysé la structure du code, identifié les données nécessaires pour reprendre les opérations après une défaillance, créé des points de contrôle, testé automatiquement le système en simulant des pannes (arrêts forcés), et répété le cycle jusqu’à une exécution réussie. https://t.co/lb3vJxL51f