KI-Agent portiert 250.000-Zeilen-Fortran-Wettersimulation auf GPU -- mit Validierung

Ein neues arXiv-Paper zeigt, wie ein CLI-basierter KI-Agent eine 250.000+ Zeilen umfassende Legacy-Fortran-Wettersimulation (CReSS) auf GPU portiert hat – mit beeindruckenden 5,1x Speedup bei erhaltener wissenschaftlicher Validität.

Validation-Centric Workflow

Der Clou ist nicht einfach “KI schreibt Code”, sondern ein validierungszentrierter Workflow. Der AI-Agent extrahiert OpenMP-Regionen, generiert Dump-basierte Kernel-Benchmarks aus physikalisch sinnvollen Simulationszuständen, wendet OpenACC-Transformationen an und validiert Ergebnisse durch elementweisen Vergleich mit referenzgedumpften Daten.

Anstatt blind zu portieren, wird jeder Schritt gegen die Originalausgabe geprüft. Das ist entscheidend für wissenschaftlichen Code, dessen Vertraenswuerdigkeit über Jahre durch Vergleich mit Beobachtungen aufgebaut wurde.

Ergebnisse

• 162 Kernel erfolgreich auf GPU portiert
• 5,1x application-level Speedup
• Numerische Diskrepanzen in 5 Kerneln entdeckt (Floating-Point und Intrinsic-Function Differenzen)
• Threshold-sensitive Branch-Divergence und Cancellation-Effekte identifiziert
• Realitätsnahe Taifun-Simulation als Testfall

Warum das zählt

GPU-Porting großer Legacy-Codes ist traditionell monatelange Handarbeit. Das Paper zeigt, dass AI-Agenten hier praktisch einsetzbar sind – aber nur mit durchdachtem Validierungs-Workflow. Bloße Code-Generierung reicht nicht. Die echten Herausforderungen sind session-spannender Kontext, Runtime-State-Rekonstruktion und teure Recovery von kleinen Static-Analysis-Lücken.

Eingereicht bei AgenticAI4HPC 2026.

Link: Paper auf arXiv