HiPEAC जानकारी 79: क्वांटम एक्सेस और रूफलाइन एज AI

इस महीने का सबसे दिलचस्प हार्डवेयर दस्तावेज़ कोई चिप लॉन्च नहीं है। यह एक मैगज़ीन अंक है जो लैब बेंच की तरह काम कर रहा है: एक तरफ क्वांटम कंप्यूटिंग, दूसरी तरफ एज AI डिप्लॉयमेंट, और बीच में एक कंपाइलर, जैसे कोई अजीब तरह से शांत व्यक्ति वायरिंग डायग्राम पकड़े बैठा हो। HiPEAC Info 79 PDF के अनुसार, यह अंक अक्टूबर 2026 का है और अपनी कवर थीम को क्वांटम कंप्यूटिंग के इर्द-गिर्द रखता है, साथ ही एज पर Roofline और mixture-of-experts को भी चिन्हित करता है। यह जोड़ी यूँ ही नहीं है। यह वही पुराना हार्डवेयर पाठ है, बस दो अलग-अलग जैकेट पहनकर: workloads तभी सच में उपयोगी बनते हैं जब stack उन्हें उतरने के लिए कोई समझदार जगह देता है।

विषय-सूची ही teardown है

HiPEAC Info 79 के अनुसार, यह अंक अपने क्वांटम पैकेज को qubits से software तक की रोमांचक यात्रा के रूप में पेश करता है, और इसमें “Laying the foundations for quantum, from hardware to software to access” फीचर शामिल है। यही छिपी हुई specification है, इसलिए नहीं कि यह किसी तेज़ widget का नाम लेती है, बल्कि इसलिए कि यह उन layers का नाम लेती है जो तय करती हैं कि कोई अनोखी मशीन demo room के बाहर इस्तेमाल करने लायक है या नहीं। इसी HiPEAC अंक में “How Roofline is bringing mixture-of-experts to the edge” भी सूचीबद्ध है, जो एक बहुत अलग workload family है, लेकिन architectural rhyme इतना साफ़ है कि enclosure screws तक खनखनाने लगें। दोनों कहानियाँ computation को असली machine से मिलाने के बारे में हैं, slide पर दिखने वाले चमकदार rectangle से नहीं।

Roofline कहता है कि उसका compiler MLIR पर आधारित है और major AI frameworks से models को कई hardware backends के लिए optimized intermediate forms में translate करता है। Roofline यह भी कहता है कि उसका SDK MLIR और IREE पर बनता है, जबकि IREE खुद को machine learning models के लिए MLIR based compiler और runtime बताता है, जो datacenter systems के साथ-साथ mobile और edge deployments को भी target कर सकता है। IREE कहता है कि इसे CPUs, GPUs और अन्य accelerators के लिए design किया गया है, और यह ARM, x86 और RISC-V architectures को support करता है। यही उपयोगी plumbing है, वह चीज़ जो edge device को adapters से भरी junk drawer जैसा कम और ऐसे power rail जैसा ज़्यादा बनाती है जिसके labels का सच में मतलब हो।

@title एज AI कंपाइलर पथ
@source Roofline
@source IREE

  AI frameworks
        │
        ▼
  MLIR
        │
        ▼
  IREE
        │
        ▼
  CPUs GPUs accelerators
        │
        ▼
  ARM x86 RISC-V

@caption Roofline और IREE models से edge hardware targets तक के compiler path का वर्णन करते हैं।

क्वांटम एक stack समस्या है, जादुई box नहीं

HiPEAC Info 79 क्वांटम कंप्यूटिंग को बड़ी disruptive potential वाली technology के रूप में बताता है, लेकिन यह भी साफ़ करता है कि आगे का रास्ता सरल नहीं है। यह महत्वपूर्ण है क्योंकि quantum hardware पर अक्सर ऐसे चर्चा होती है मानो केवल qubit count ही पूरी कहानी बता देता हो। ऐसा नहीं है। Software, workload selection और access के बिना एक quantum system ऐसा है जैसे एक सुंदर RF front end को ऐसी board पर solder कर दिया गया हो जिसमें connectors ही न हों: प्रभावशाली, महँगा और ज़्यादातर बातचीत का विषय।

HiPEAC PDF के अनुसार, quantum appropriate workloads की पहचान पर एक लेख का शामिल होना वह हिस्सा है जिसे readers को underline करना चाहिए। हर समस्या quantum machine की हकदार नहीं होती, ठीक वैसे ही जैसे हर embedded model किसी ऐसे accelerator की हकदार नहीं होती जिसके पास dramatic heatsink हो और ऐसा power budget हो जो चुपचाप product को खा जाए। Engineering question है fit। अगर workload साफ़ तरीके से map नहीं होता, तो hardware theater बन जाता है, और theater की thermal characteristics बहुत खराब होती हैं।

Roofline का edge AI पाठ compiler realism है

Roofline कहता है कि इसकी स्थापना 2024 में Germany की RWTH Aachen University से spin off के रूप में हुई थी, जिससे company के compiler pitch में pure marketing fog machine के बजाय academic architecture की खुशबू आती है। इसकी site कहती है कि architecture नए hardware, खासकर NPUs, के अनुसार adapt कर सकता है, और एक system में heterogeneous execution को support करता है। यह बिल्कुल वही तरह का वाक्य है जिसे hardware लोगों को skip नहीं करना चाहिए, क्योंकि heterogeneous execution वही जगह है जहाँ elegant block diagrams जाकर पता लगाते हैं कि उन्होंने पर्याप्त snacks pack किए थे या नहीं। CPUs, GPUs, NPUs और अजीब छोटे accelerators सिर्फ इसलिए अपने आप cooperate नहीं करते क्योंकि वे एक package share करते हैं।

IREE व्यापक context जोड़ता है। IREE के अनुसार, इसकी toolchain machine learning models को एक unified intermediate representation में lower करती है और ऐसे deployments के लिए बनी है जो datacenter से लेकर mobile और edge constraints तक फैले हों। इससे समझ आता है कि Roofline का quantum के साथ उसी issue में दिखना क्यों दिलचस्प है: दोनों topics specialized compute तक access से जूझ रहे हैं। एक hardware fog line के ऊपर usable quantum resources लाने के बारे में है, जबकि दूसरा modern AI models को छोटी machines पर लाने के बारे में है, बिना deployment को porting séance में बदले।

पाठकों को आगे क्या देखना चाहिए

HiPEAC Info 79 से practical takeaway यह है कि emerging hardware coverage को workload से पीछे की ओर पढ़ें। जब HiPEAC quantum hardware, software, access और workload identification को एक ही issue में group करता है, तो वह readers को spec worship के बजाय systems thinking की ओर धकेल रहा है। जब Roofline और IREE CPUs, GPUs, accelerators, ARM, x86 और RISC-V पर MLIR based compilation की बात करते हैं, तो वे edge AI side से उसी reality की ओर इशारा कर रहे हैं। Machine कभी सिर्फ chip नहीं होती। यह chip, compiler, runtime, workload और access model है, जो सब मिलकर कोशिश कर रहे होते हैं कि वही power cable उनके पैरों में न उलझ जाए।

Builders के लिए अगला कदम सरल है: जब कोई नया quantum platform या edge AI stack दिखे, तो पूछें कि यह किस workload के लिए है, कौन-सी layer उस workload को translate करती है, और असल में कौन-से hardware targets supported हैं। यह सवाल die shot जितना glamorous नहीं है, और मैं यह उस व्यक्ति की तरह कह रहा हूँ जो एक अच्छा die shot बिल्कुल frame करवा देगा। लेकिन यही सवाल useful compute को expensive sculpture से अलग करता है। अधिक concrete workload mapping, compiler support और access models पर नज़र रखें, क्योंकि यहीं ये architectures promising diagrams होना छोड़कर ऐसे tools बनने लगते हैं जिनके आसपास आप design कर सकते हैं।