論文の概要: Static analysis-guided agentic AI translation enables Rust as a full stack bioinformatics language
- arxiv url: http://arxiv.org/abs/2608.13029v1
- Date: Thu, 13 Aug 2026 09:58:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.468283
- Title: Static analysis-guided agentic AI translation enables Rust as a full stack bioinformatics language
- Title（参考訳）: 静的解析誘導型エージェントAI翻訳は、Rustをフルスタックバイオインフォマティクス言語として利用できる
- Abstract要約: 我々はエージェントAIと静的解析を組み合わせることで、レガシーコードを現代言語Rustに翻訳できることを示した。
サイズは80倍,ビルド時間は10倍,キーステップのパフォーマンスは3倍に向上しました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The field of bioinformatics struggles with legacy code - old code that is commonly used but may no longer have a maintainer, or may be written in an now-unfamiliar language (e.g. Perl, Fortran). This incurs maintenance cost (technical debt), but dynamically typed languages also negatively impacts the environment and fail to make use of modern hardware. Legacy code may also have security or safety problems that make it unsuited for use in clinical settings. Here we show that agentic AI, combined with static analysis, can be used to translate legacy code to the modern language Rust. We provide prompts and supporting software to aid systematic translation, and evaluate it on common software for NGS and imaging. We showcase the result on our software Bascet: Size was reduced by ~80x, build time decreased by ~10x, and performance of key steps improved >3x. Unix dependencies were also removed, making Bascet the only single-cell pipeline able to run on native Windows, without a container. Large-scale refactoring of bioinformatics software is thus now possible at a limited budget, enabling more complex tools to be developed.
- Abstract（参考訳）: バイオインフォマティクス(bioinformatics)の分野は、レガシコード(レガシコード)に苦慮している。
これはメンテナンスコスト(技術的負債)を引き起こすが、動的型付け言語は環境にも悪影響を及ぼし、現代のハードウェアを利用できない。
レガシーコードにはセキュリティ上の問題や安全性上の問題もあり、臨床現場での使用には適さない。
ここではエージェントAIと静的解析を組み合わせることで、レガシーコードを現代言語Rustに翻訳することができることを示す。
我々は,システム翻訳を支援するためのプロンプトとサポートソフトウェアを提供し,NGSやイメージングのための共通ソフトウェアで評価する。
サイズは80倍、ビルド時間は10倍、キーステップのパフォーマンスは3倍に向上しました。
UNIXの依存関係も削除され、BascetはコンテナなしでネイティブWindows上で実行できる唯一のシングルセルパイプラインとなった。
したがって、バイオインフォマティクスソフトウェアの大規模なリファクタリングは、限られた予算で可能となり、より複雑なツールの開発が可能になった。
関連論文リスト
- SEDCoT: Enhancing LLM-Based COBOL Code Translation via Symbolic Execution and Delta Debugging [49.898541267264115]
古い技術や疎結合なドキュメンテーション、開発者の引退などによって、メンテナンスはますます難しくなっている。
従来のルールベースのトランスコンパイラは、読み書きが難しい出力を出力する。
本稿では,新しいC言語翻訳フレームワークであるSEDCoTを提案する。
論文 参考訳（メタデータ） (2026-07-05T03:07:10Z) - Decaf: Improving Neural Decompilation with Automatic Feedback and Search [64.02615739798277]
高レベルな構文、識別子、カスタムデータ型は一般的に失われ、コンパイラは人間可読なコードを低レベルなマシンコードに変換する。
生成AIモデルは、ハイレベルな構文、識別子、型を再構築するのに自然なものだ。
コンパイラフィードバックは,サーチによるニューラルデコンパイラ出力のセマンティックな正当性の向上に有効である,と我々は主張する。
論文 参考訳（メタデータ） (2026-05-12T04:21:26Z) - ProgramBench: Can Language Models Rebuild Programs From Scratch? [59.40748183470308]
ProgramBenchは、ソフトウェアエンジニアリングエージェントがソフトウェアをホリシックに開発する能力を測定する。
エンドツーエンドの動作テストはエージェント駆動ファジィによって生成される。
モデルは、人間が書いたコードと大きく異なるモノリシックでシングルファイルの実装を好む。
論文 参考訳（メタデータ） (2026-05-05T09:17:02Z) - ORBIT: Guided Agentic Orchestration for Autonomous C-to-Rust Transpilation [5.3011925761003775]
プロジェクトレベルのC-to-Rust翻訳のための自律型エージェントフレームワークであるORBITを提案する。
動的コンテキスト収集と依存性誘導オーケストレーションと反復検証を組み合わせたものだ。
C2RustとCRUST-Benchをはるかに上回り、安全でないRustのコードブロックをほぼゼロに減らしている。
論文 参考訳（メタデータ） (2026-04-13T20:40:34Z) - Syzygy: Dual Code-Test C to (safe) Rust Translation using LLMs and Dynamic Analysis [8.361424157571468]
Syzygyは、C言語を安全なRustに変換する自動化アプローチである。
これは、Rustのコード翻訳を安全にする上で、これまでで最大の自動化およびテスト検証済みのCである。
論文 参考訳（メタデータ） (2024-12-18T18:55:46Z) - Leveraging Large Language Models for Code Translation and Software Development in Scientific Computing [0.9668407688201359]
生成人工知能(GenAI)は、科学計算における生産性を変革する。
我々は、コード変換の効率的なプロセスを確立するために、プロンプトエンジニアリングとユーザ管理を組み合わせたCodeScribeというツールを開発した。
AIによるコード翻訳の課題にも対処し、科学計算における生産性向上のメリットを強調します。
論文 参考訳（メタデータ） (2024-10-31T16:48:41Z) - Decoding at the Speed of Thought: Harnessing Parallel Decoding of Lexical Units for LLMs [57.27982780697922]
大規模言語モデルは、自然言語の理解と生成において例外的な能力を示した。
しかし、それらの生成速度は、その復号過程の本質的にシーケンシャルな性質によって制限される。
本稿では,データ駆動方式で実装された新しいデコーディング手法であるLexical Unit Decodingを紹介する。
論文 参考訳（メタデータ） (2024-05-24T04:35:13Z) - Guess & Sketch: Language Model Guided Transpilation [59.02147255276078]
学習されたトランスパイレーションは、手作業による書き直しやエンジニアリングの取り組みに代わるものだ。
確率的ニューラルネットワークモデル(LM)は、入力毎に可塑性出力を生成するが、正確性を保証するコストがかかる。
Guess & Sketch は LM の特徴からアライメントと信頼性情報を抽出し、意味的等価性を解決するためにシンボリック・ソルバに渡す。
論文 参考訳（メタデータ） (2023-09-25T15:42:18Z) - Beyond the C: Retargetable Decompilation using Neural Machine
Translation [5.734661402742406]
我々は,新しい言語に容易に再ターゲティング可能なプロトタイプ・デコンパイラを開発した。
トークン化やトレーニングデータ選択などのパラメータが逆コンパイルの品質に与える影響について検討する。
トレーニングデータ、トレーニングされた逆コンパイルモデル、そして将来の言語に依存しない逆コンパイルの研究を促進するためのコードをリリースします。
論文 参考訳（メタデータ） (2022-12-17T20:45:59Z) - MCoNaLa: A Benchmark for Code Generation from Multiple Natural Languages [76.93265104421559]
英語以外の自然言語コマンドからコード生成をベンチマークします。
スペイン語,日本語,ロシア語の3言語で896個のNLコードペアを注釈した。
難易度はこれらの3つの言語によって異なるが、全てのシステムは英語にかなり遅れている。
論文 参考訳（メタデータ） (2022-03-16T04:21:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。