एलएलवीएम निर्माता नई मोजो प्रोग्रामिंग भाषा विकसित करता है

एलएलवीएम के संस्थापक और मुख्य वास्तुकार तथा स्विफ्ट प्रोग्रामिंग भाषा के निर्माता क्रिस लैटनर और टेन्सरफ्लो और जेएक्स जैसे गूगल के एआई प्रोजेक्ट के पूर्व प्रमुख टिम डेविस ने मोजो नामक एक नई प्रोग्रामिंग भाषा का अनावरण किया है जो अनुसंधान और तेजी से प्रोटोटाइपिंग के लिए उपयोग में आसानी के साथ उच्च प्रदर्शन वाले अंतिम उत्पाद बनाने की क्षमता को जोड़ती है। पहला पायथन के परिचित सिंटैक्स के माध्यम से प्राप्त किया जाता है, और दूसरा मशीन कोड, मेमोरी-सेफ मैकेनिज्म और हार्डवेयर त्वरण को संकलित करने की क्षमता के माध्यम से।

यह परियोजना मशीन लर्निंग विकास पर केंद्रित है, लेकिन इसे एक सामान्य-उद्देश्य वाली भाषा के रूप में प्रस्तुत किया गया है जो सिस्टम प्रोग्रामिंग टूल के साथ पायथन भाषा की क्षमताओं का विस्तार करती है और कार्यों की एक विस्तृत श्रृंखला के लिए उपयुक्त है। उदाहरण के लिए, यह भाषा उच्च-प्रदर्शन कंप्यूटिंग, डेटा प्रोसेसिंग और परिवर्तन जैसे क्षेत्रों में लागू होती है। मोजो की एक दिलचस्प विशेषता ".mojo" टेक्स्ट एक्सटेंशन के अलावा, कोड फ़ाइलों (उदाहरण के लिए, "helloworld.🔥") के लिए इमोजी प्रतीक "🔥" को एक एक्सटेंशन के रूप में निर्दिष्ट करने की क्षमता है।

वर्तमान में, भाषा गहन विकास के चरण में है और परीक्षण के लिए केवल एक ऑनलाइन इंटरफ़ेस की पेशकश की जाती है। स्थानीय सिस्टम पर चलने के लिए अलग-अलग असेंबली को बाद में प्रकाशित करने का वादा किया जाता है, इंटरैक्टिव वेब वातावरण के काम पर प्रतिक्रिया प्राप्त करने के बाद। कंपाइलर, JIT और अन्य संबंधित विकास के स्रोत कोड को आंतरिक वास्तुकला डिजाइन के पूरा होने के बाद खोलने की योजना है (बंद दरवाजों के पीछे एक कार्यशील प्रोटोटाइप विकसित करने का मॉडल LLVM, क्लैंग और स्विफ्ट के विकास के प्रारंभिक चरण जैसा दिखता है)। चूंकि मोजो का सिंटैक्स पायथन भाषा पर आधारित है, और टाइप सिस्टम C/C++ के करीब है, इसलिए भविष्य में वे C/C++ और पायथन में लिखे गए मौजूदा प्रोजेक्ट्स को मोजो में अनुवाद करने के लिए सरल बनाने के लिए एक टूलकिट विकसित करने की योजना बना रहे हैं, साथ ही पायथन और मोजो कोड को मिलाकर हाइब्रिड प्रोजेक्ट विकसित करने की भी योजना बना रहे हैं।

परियोजना को गणनाओं के निष्पादन में विषम प्रणालियों के हार्डवेयर संसाधनों को शामिल करने के लिए डिज़ाइन किया गया है। उदाहरण के लिए, GPU, मशीन लर्निंग के लिए विशेष त्वरक और वेक्टर प्रोसेसर निर्देश (SIMD) Mojo भाषा में अनुप्रयोगों के निष्पादन और गणनाओं के समानांतरकरण में शामिल हो सकते हैं। संकलन पर ध्यान, सिस्टम प्रोग्रामिंग क्षमताओं का एकीकरण, और एक मौलिक रूप से अलग आंतरिक वास्तुकला का उपयोग जो GPU और विभिन्न हार्डवेयर त्वरक पर कोड को निष्पादित करने की अनुमति देता है, को अनुकूलन कार्य में मौजूदा CPython को शामिल करने के बजाय Python भाषा का एक अलग उपसमूह विकसित करने का कारण बताया गया है। साथ ही, Mojo के डेवलपर्स जितना संभव हो सके CPython के साथ संगतता का पालन करने का इरादा रखते हैं।

मोजो का उपयोग JIT व्याख्या मोड में और निष्पादन योग्य फ़ाइलों (AOT, एडवांस-ऑफ़-टाइम) में संकलन के लिए किया जा सकता है। कंपाइलर में स्वचालित अनुकूलन, कैशिंग और वितरित संकलन की आधुनिक तकनीकें अंतर्निहित हैं। मोजो भाषा में स्रोत पाठों को LLVM परियोजना द्वारा विकसित एक निम्न-स्तरीय मध्यवर्ती कोड MLIR (मल्टी-लेवल इंटरमीडिएट रिप्रेजेंटेशन) में परिवर्तित किया जाता है और डेटा फ़्लो ग्राफ़ प्रोसेसिंग को अनुकूलित करने के लिए अतिरिक्त अवसर प्रदान करता है। कंपाइलर मशीन कोड उत्पन्न करने के लिए MLIR का समर्थन करने वाले विभिन्न बैकएंड का उपयोग करने की अनुमति देता है।

गणनाओं को गति देने के लिए अतिरिक्त हार्डवेयर तंत्र का उपयोग करने से, गहन गणनाओं के लिए, C/C++ अनुप्रयोगों से बेहतर प्रदर्शन प्राप्त करना संभव हो जाता है। उदाहरण के लिए, मैंडलब्रॉट सेट बनाने के लिए एक अनुप्रयोग का परीक्षण करते समय, AWS क्लाउड (r7iz.metal-16xl) में चलने पर मोजो भाषा में संकलित अनुप्रयोग C++ कार्यान्वयन (6 सेकंड बनाम 0.03 सेकंड) की तुलना में 0.20 गुना तेज़ निकला, साथ ही मानक CPython 35 (3.10.9 सेकंड बनाम 0.03 सेकंड) का उपयोग करते समय पायथन अनुप्रयोग की तुलना में 1027 हज़ार गुना तेज़ और PYPY (1500 सेकंड बनाम 0.03 सेकंड) का उपयोग करते समय 46.1 गुना तेज़ निकला।

मशीन लर्निंग समस्याओं को हल करने के क्षेत्र में प्रदर्शन का मूल्यांकन करते समय, मोजो भाषा में लिखा गया मॉड्यूलर इंफरेंस इंजन AI स्टैक, TensorFlow लाइब्रेरी-आधारित समाधान की तुलना में, एक Intel प्रोसेसर वाले सिस्टम पर भाषा मॉडल को संसाधित करते समय 3 गुना तेज़ निकला, एक अनुशंसा मॉडल को निष्पादित करते समय 6.4 गुना तेज़ और दृश्य जानकारी को संसाधित करने के लिए मॉडल के साथ काम करते समय 2.1 गुना तेज़ निकला। AMD प्रोसेसर का उपयोग करते समय, मोजो का उपयोग करते समय लाभ क्रमशः 3.2, 5 और 2.2 गुना था, और ARM प्रोसेसर का उपयोग करते समय - 5.3, 7.5 और 1.7 गुना। PyTorch-आधारित समाधान Intel CPU पर 1.4, 1.1 और 1.5 गुना, AMD CPU पर 2.1, 1.2 और 1.5 गुना और ARM CPU पर 4, 4.3 और 1.3 गुना पीछे रहा।

यह भाषा रस्ट के समान स्थिर टाइपिंग और निम्न-स्तरीय मेमोरी सुरक्षा सुविधाओं का समर्थन करती है, जैसे कि संदर्भ जीवनकाल ट्रैकिंग और एक उधार चेकर। पॉइंटर सुरक्षा सुविधाओं के अलावा, यह भाषा निम्न-स्तरीय सुविधाएँ भी प्रदान करती है, जैसे कि पॉइंटर प्रकार का उपयोग करके असुरक्षित मोड में सीधे मेमोरी एक्सेस, व्यक्तिगत SIMD निर्देशों को कॉल करना, या TensorCores और AMX जैसे हार्डवेयर एक्सटेंशन तक पहुँचना।

सभी चरों के लिए स्पष्ट प्रकार परिभाषा वाले फ़ंक्शन के लिए क्लासिक और अनुकूलित पायथन कोड के पृथक्करण को सरल बनाने के लिए, "def" के बजाय एक अलग कीवर्ड "fn" का उपयोग करने का प्रस्ताव है। इसी तरह, कक्षाओं के लिए, यदि संकलन के दौरान मेमोरी में स्थिर डेटा पैकिंग की आवश्यकता होती है (जैसा कि C में है), तो "class" के बजाय "struct" प्रकार का उपयोग किया जा सकता है। C/C++ भाषाओं में मॉड्यूल का सरल आयात भी संभव है, उदाहरण के लिए, गणित लाइब्रेरी से cos फ़ंक्शन को आयात करने के लिए, आप "from "math.h" import cos" निर्दिष्ट कर सकते हैं।

स्रोत: opennet.ru