fortranspire.agent.translation_graph

Graph d’agents LangGraph pour la traduction de Fortran 90 vers JAX. Ordre : parser → explainer → translator → halo_exchange → reproducibility

→ performance → docstring → autodiff → surrogate → END

Functions

autodiff_adjoint_agent(state)	Agent 8 : Génère le modèle Adjoint via jax.grad/jax.vjp.
consolidator_agent(state)	Consolide tous les résultats des workers dans un module Python structuré.
dispatcher_agent(state)	Dispatch chaque kernel vers un worker (séquentiel pour stabilisation).
docstring_agent(state)	Agent 7 : Ajoute des docstrings scientifiques au code JAX.
explainer_agent(state)	Agent 2 (NEW) : Retourne la fonction scientifique du code Fortran et son intérêt pour la géophysique.
halo_exchange_agent(state)	Agent 4 : Rapport OpenMP/MPI + remplacement GHEX si nécessaire.
ide_interaction_agent(state)	Agent 3.5 : Ouvre le code JAX dans l'IDE et attend la validation de l'utilisateur.
init_project_agent(state)	Agent 0 (NEW) : Initialise le dossier output et génère le pyproject.toml pour orchestrer le projet JAX traduit.
parse_and_isolate_agent(state)	Agent 1 : Loki AST Parser — isole le kernel Fortran avec Scheduler.
performance_agent(state)	Agent 6 : Benchmark JAX vs Fortran — affichage CLI du speedup.
reproducibility_agent(state)	Agent 5 : Consolide les rapports de reproductibilité générés en parallèle.
should_continue_repro(state)	Décide si on continue vers perf ou si on retry le translator (feedback loop).
should_continue_translation(state)	Décide si on continue vers le halo ou si on retry le translator.
surrogate_fno_agent(state)	Agent 9 (final) : Construit un Surrogate FNO avec Sobolev Training.
translate_kernel_agent(state)	Agent 3 : Traduit le kernel Fortran vers JAX via LLM (avec boucles de correction).
translator_worker_agent(state)	Agent Worker : Traduit tous les noyaux Fortran en JAX séquentiellement.

Classes

KernelResult
TranslationState