从遗留 Fortran 到可移植 Kokkos：自主智能体 AI 工作流

科学应用持续依赖于最初为同构 CPU 系统开发的遗留 Fortran 代码库。随着高性能计算（HPC）向异构 GPU 加速架构转移，许多加速器缺乏原生的 Fortran 绑定，这产生了使遗留代码现代化以实现可移植性的迫切需求。诸如 Kokkos 之类的框架提供了性能可移植性和单源 C++ 抽象，但手动将 Fortran 移植到 Kokkos 需要大量的专业知识和时间。大语言模型（LLM）在源到源代码生成方面展现了潜力，但将其用于翻译和优化并行代码的全自主工作流在很大程度上仍未被探索，尤其是在跨多样硬件的性能可移植性方面。本文提出了一种智能体 AI 工作流，其中专门的 LLM “智能体”协同合作，将 Fortran 内核翻译、验证、编译、运行、测试、调试并优化为可移植的 Kokkos C++ 程序。结果表明，该流水线能够现代化一系列基准测试内核，生成跨硬件分区具备性能可移植性的 Kokkos 代码。诸如 GPT-5 和 o4-mini-high 等付费 OpenAI 模型仅花费几美元即可执行该工作流，生成的优化代码超越了 Fortran 基线，而诸如 Llama4-Maverick 等开源模型通常无法生成功能性代码。这项工作证明了智能体 AI 在 Fortran 到 Kokkos 转换中的可行性，并为自主现代化遗留科学应用以在多样超级计算机上可移植且高效运行提供了途径。它进一步凸显了 LLM 驱动的智能体系统在科学和面向系统的应用中执行结构化、特定领域推理任务的潜力。