Hyra 2.0 চালু আছে

Hyra 2.0 হলো Tencent Hunyuan-এর তৈরি একটি AI গবেষণা এজেন্ট এবং Hyra 1.0-এর উন্নত সংস্করণ। এটি স্বয়ংক্রিয়ভাবে সমস্যা সমাধান থেকে গবেষণা ও উন্নয়নমূলক সরঞ্জামে রূপান্তরিত হয়েছে। Hyra 2.0 দীর্ঘমেয়াদে স্বায়ত্তশাসিতভাবে বৈজ্ঞানিক মডেল প্রশিক্ষণ দিতে, গবেষণা কর্মপ্রবাহ অপ্টিমাইজ করতে এবং অভিজ্ঞতাকে পুনর্ব্যবহারযোগ্য সম্পদে পরিণত করতে পারে। এর ফলাফল প্রোটিন ডিজাইন, অণু সিমুলেশন, গাণিতিক প্রমাণ ও কোয়ান্টাম ত্রুটি সংশোধনসহ বিভিন্ন ক্ষেত্রে প্রয়োগ হয়েছে। দীর্ঘমেয়াদি লক্ষ্য হলো সরঞ্জামের উন্নয়ন ও মডেলের সক্ষমতা বৃদ্ধি যেন পরস্পরকে চালিত করে একটি পুনরাবৃত্তিমূলক স্ব-উন্নয়ন চক্র গঠন করে।

সরঞ্জাম উন্নয়ন: agent প্রান্ত থেকে প্রান্ত পর্যন্ত বৈজ্ঞানিক মডেলের নকশা, প্রশিক্ষণ, মূল্যায়ন ও স্থাপন সম্পন্ন করে।
তিন স্তরের সহযোগিতামূলক গবেষণা: Overall, Mission ও Worker-এর দায়িত্ব বণ্টনের মাধ্যমে দীর্ঘমেয়াদি গবেষণা সংগঠিত হয়; Worker স্বাধীনভাবে পরীক্ষা চালাতে এবং Mission-এর সিদ্ধান্ত নিয়ে প্রশ্ন তুলতে পারে।
স্বাধীন যাচাই: Review Worker নতুন প্রসঙ্গে প্রথমে মূল সমস্যা ও প্রমাণ পর্যালোচনা করে, তারপর কার্যনির্বাহকের সিদ্ধান্তের ক্রস-ভেরিফিকেশন করে।
অভিজ্ঞতা সংরক্ষণ: প্রকল্পের অবস্থা, agent-এর স্মৃতি ও শেয়ার করা জ্ঞান আলাদাভাবে সংরক্ষিত হয়; পর্যালোচনা থেকে তৈরি skill পরবর্তী কাজে পুনর্ব্যবহার করা যায়।
বহু ক্ষেত্রে ফলাফল: প্রাথমিক ফলাফলের মধ্যে রয়েছে প্রোটিন ডিজাইন, অণু সিমুলেশন, গাণিতিক প্রমাণ, কোয়ান্টাম ত্রুটি সংশোধন, রোবটের কাঠামো নকশা ও চিপ অপ্টিমাইজেশন।
বৃহৎ মডেল গবেষণায় অংশগ্রহণ: পরবর্তী প্রজন্মের Hy মডেলের প্রি-ট্রেনিং অবকাঠামো, পোস্ট-ট্রেনিং ডেটা পাইপলাইন ও ইনফারেন্স সিস্টেম অপ্টিমাইজেশনে অংশ নেয়।

সরঞ্জাম পুনর্ব্যবহার ও বুদ্ধিবৃত্তিক চক্রবৃদ্ধি: নিবন্ধটি সরঞ্জামকে প্রতীকী সরঞ্জাম ও প্যারামেট্রিক সরঞ্জাম—এই দুই শ্রেণিতে ভাগ করেছে। মূল বক্তব্য হলো, একটি সমস্যা সমাধান করলে শুধু একটি উত্তর পাওয়া যায়, কিন্তু একটি সরঞ্জাম উন্নত করলে পরবর্তী সব কাজে তার সুবিধা পাওয়া যায়। Hyra 2.0-এর সামগ্রিক নকশা এমনভাবে তৈরি, যাতে একবারের গবেষণার ফলাফল পরবর্তী গবেষণায় বারবার ব্যবহার করা যায় এবং টেকসই বুদ্ধিবৃত্তিক চক্রবৃদ্ধি গড়ে ওঠে।
তিন স্তরের সাংগঠনিক কাঠামো ও স্থায়ী সময়সূচি: Hyra 2.0 Overall, Mission ও Worker—এই তিন স্তরের দায়িত্ব বণ্টন ব্যবহার করে। Overall মানুষের সঙ্গে সমন্বয় করে অগ্রাধিকার ও সম্পদ পরিচালনা করে, Mission দীর্ঘমেয়াদে একটি গবেষণা সমস্যার দায়িত্ব নিয়ে সিদ্ধান্তের জন্য জবাবদিহি করে, আর Worker অনুসন্ধান ও পরীক্ষা চালায়। কাজ স্থায়ী কিউতে প্রবেশের পর সময়সূচি ব্যবস্থা অগ্রাধিকার, নির্ভরতা ও সম্পদের সীমা অনুযায়ী তা চালু করে। কোনো কাজ প্রশিক্ষণের ফলাফল বা মানব অনুমোদনের জন্য অপেক্ষা করলেও অন্য কাজগুলো চলতে থাকে। agent পরবর্তী যাচাই ধাপে কাজ চালিয়ে যাওয়ার জন্য জাগরণের সময় নির্ধারণ করতে পারে।
অ্যাসিঙ্ক্রোনাস সহযোগিতা ও স্বাধীন যাচাই ব্যবস্থা: সমান্তরাল গবেষণার অগ্রগতি Research Board-এ লিপিবদ্ধ থাকে এবং অন্যান্য agent সাধারণ অগ্রগতি অ্যাসিঙ্ক্রোনাসভাবে পড়ে। যেসব বিষয়ের প্রতিক্রিয়া আবশ্যক, সেগুলো বার্তার মাধ্যমে জানানো হয় এবং স্পষ্ট উত্তর চাওয়া হয়, যাতে চলমান কাজ বারবার বাধাগ্রস্ত না হয়। Worker কাজ শেষের প্রতিবেদন দেওয়ার সময় কোডের সংস্করণ, পরীক্ষার ফলাফল, লগ বা রান ট্রেস প্রমাণ হিসেবে যুক্ত করতেই হবে। স্বাধীন যাচাই প্রয়োজন হলে সিস্টেম নতুন Review Worker চালু করে। সে নতুন প্রসঙ্গে প্রথমে মূল সমস্যা ও প্রমাণ পর্যালোচনা করে, যাতে কার্যনির্বাহকের সিদ্ধান্তের প্রভাব বাদ দেওয়া যায়। যাচাইয়ে পাওয়া ভুল বা আরও সীমিত সিদ্ধান্তের পরিসরও যথাযথভাবে সংরক্ষণ করা হয়।
তিন স্তরের স্মৃতি পৃথকীকরণ ও শ্রেণিবদ্ধ জ্ঞানভান্ডার: সিস্টেম প্রকল্পের অবস্থা, প্রতিটি agent-এর স্তরভিত্তিক কর্মস্মৃতি—বর্তমান উপলব্ধি, মূল অনুমান, বাতিল করা পথ ও পরবর্তী পরিকল্পনা—এবং কাজজুড়ে শেয়ার করা জ্ঞানভান্ডার Books আলাদাভাবে সংরক্ষণ করে। Books-এর প্রতিটি রেকর্ডে পদ্ধতি, কারণ, প্রযোজ্য শর্ত ও মূল প্রমাণ উল্লেখ করতে হয়। বিশ্বাসযোগ্যতার ভিত্তিতে এগুলো ‘পর্যবেক্ষণ’, ‘যাচাইকৃত’ ও ‘সম্মত’—এই তিন স্তরে ভাগ করা হয়। নতুন প্রমাণ এলে বিদ্যমান রেকর্ড সংশোধন করা যায়।

Hyra 2.0 বর্তমানে Tencent Hunyuan-এর অভ্যন্তরীণ গবেষণা ও উন্নয়ন ব্যবস্থা; এটি জনসাধারণের জন্য উন্মুক্ত SaaS পণ্য নয়।

ধারণাগত উন্নয়ন: agent-এর সরাসরি সমস্যা সমাধান থেকে agent দিয়ে গবেষণা সরঞ্জাম তৈরি ও উন্নয়নের দিকে রূপান্তর; ফলাফল পরবর্তী গবেষণায় বারবার ব্যবহার করা যায় এবং বুদ্ধিবৃত্তিক চক্রবৃদ্ধি তৈরি হয়।
দীর্ঘমেয়াদি গবেষণা সক্ষমতা: Overall, Mission ও Worker-এর তিন স্তরের কাঠামো এবং স্থায়ী কিউ কয়েক দিন থেকে কয়েক সপ্তাহের দীর্ঘমেয়াদি, সমান্তরাল বহু-প্রকল্প গবেষণা সমর্থন করে।
উচ্চতর সিদ্ধান্তের নির্ভরযোগ্যতা: Review Worker নতুন প্রসঙ্গে স্বাধীন যাচাই করে এবং কোডের সংস্করণ, লগসহ প্রমাণ সংযুক্ত করা বাধ্যতামূলক; এতে agent-এর নিজের ভুলকে নিজেই সঠিক প্রমাণ করার ঝুঁকি কমে।
অভিজ্ঞতা সংরক্ষণ: প্রকল্পের অবস্থা, agent-এর স্মৃতি ও শেয়ার করা জ্ঞানভান্ডার পৃথকভাবে রাখা হয়। Books পর্যবেক্ষণ—যাচাইকৃত—সম্মত স্তরে পরিচালিত হয় এবং skill বিভিন্ন কাজে পুনর্ব্যবহার করা যায়।
প্রান্ত থেকে প্রান্ত মডেল তৈরি: HyInv, HyPLM ইত্যাদি হলো শুরু থেকে প্রি-ট্রেনিং, ফাইন-টিউনিং, রিইনফোর্সমেন্ট লার্নিং ও ইনফারেন্স অপ্টিমাইজেশন সম্পন্ন নতুন মডেল।
বিস্তৃত ক্ষেত্রসমূহ: প্রাথমিক ফলাফল প্রোটিন ডিজাইন, অণু সিমুলেশন, গাণিতিক প্রমাণ, কোয়ান্টাম ত্রুটি সংশোধন, রোবটের কাঠামো নকশা ও চিপ অপ্টিমাইজেশন—এই ছয়টি ক্ষেত্রজুড়ে বিস্তৃত।

প্রকল্পের অফিসিয়াল ওয়েবসাইট: https://hy.tencent.com/research/hyra2?langVersion=zh

ওষুধ নকশা ও এনজাইম প্রকৌশল: HyInv-এর মতো inverse folding মডেল ব্যবহার করে ৫০ মিলিসেকেন্ডে ১২৮টি প্রোটিন সিকোয়েন্স ডিজাইন করা যায়, যা প্রার্থী অণু বাছাই ত্বরান্বিত করে।
অণুর গতিবিদ্যা সিমুলেশন: HyFF-এর পরমাণু-স্তরের force field ব্যবহার করে বৃহৎ পরিসরের সিমুলেশন চালানো হয়। এর মাধ্যমে পরমাণু-স্তরে অণুর গতি ও বিক্রিয়া প্রক্রিয়া অনুসরণ করা যায়, যা উপাদান ও ওষুধ গবেষণায় সহায়তা করে।
গাণিতিক তত্ত্ব গবেষণা: HyProver কর্মপ্রবাহের সাহায্যে অনুমান প্রস্তাব, প্রমাণ নির্মাণ ও স্বাধীন যাচাই সংগঠিত করা হয়, যা গণিতবিদদের উন্মুক্ত সমস্যা সমাধানে সহায়তা করে।
কোয়ান্টাম ত্রুটি-সংশোধন কোড গবেষণা: HyQEC ব্যবহার করে নতুন কোয়ান্টাম কোড তৈরি ও কোড দূরত্বের নির্ভুল প্রত্যয়ন করা হয়, যা কোয়ান্টাম কম্পিউটারের ত্রুটি-সংশোধন ব্যয় অপ্টিমাইজে সরঞ্জাম সরবরাহ করে।
চিপ নকশা ও যাচাই: Xiangshan প্রসেসর অপ্টিমাইজেশনের মতো কর্মক্ষমতা সমন্বয়, fuzz পরীক্ষা ও ফরমাল ভেরিফিকেশন পরিচালনা করে চিপের পুনরাবৃত্তি উন্নয়ন চক্র সংক্ষিপ্ত করা যায়।