Wolfram Compute Services

• Wolfram Compute Services एक पूरी तरह से प्रोग्राम किए जाने योग्य क्लाउड कंप्यूटिंग सेवा है जो Wolfram Language गणनाओं को बड़े पैमाने पर स्केल कर सकती है
• उपयोगकर्ता RemoteBatchSubmit कमांड के साथ जटिल गणनाओं को रिमोट सर्वर पर भेज सकते हैं, और पूरा होने के बाद परिणाम स्वचालित रूप से प्राप्त होते हैं
• अधिकतम 192 कोर·1.5TB मेमोरी तक विकल्प चुन सकते हैं, और RemoteBatchMapSubmit के साथ सैकड़ों कोर पर समानांतर प्रोसेसिंग का समर्थन मिलता है
• काम को ईमेल·डैशबोर्ड नोटिफिकेशन, समय/क्रेडिट सीमा, स्वचालित निर्भरता हैंडलिंग आदि से प्रबंधित किया जा सकता है
• Wolfram Language की सुपरकंप्यूटर-स्तरीय स्केलेबिलिटी तुरंत उपलब्ध कराकर शोध और औद्योगिक गणना परिवेश को सरल बनाता है

---

Wolfram Compute Services का अवलोकन

• Wolfram Compute Services एक ऐसा सिस्टम है जो Wolfram Language गणनाओं को क्लाउड में बड़े पैमाने पर रन करने देता है
  • RemoteBatchSubmit से कोड सबमिट करने पर Wolfram के सर्वर पर गणना की जाती है और परिणाम वापस लौटते हैं
  • Wolfram Desktop 14.3 और उससे ऊपर में RemoteBatchSubmissionEnvironment["WolframBatch"] कमांड से तुरंत सक्रिय किया जा सकता है
• ParallelMap, ParallelTable जैसी पहले से मौजूद parallel फीचर्स का विस्तार कर बड़े कंप्यूट संसाधनों तक स्वचालित पहुँच उपलब्ध कराई गई है
• सभी गणनाएँ symbolic expression आधारित तरीके से होती हैं, इसलिए संख्यात्मक, इमेज, ग्राफ और वीडियो सहित अलग-अलग डेटा प्रकार सीधे संभाले जा सकते हैं

गणना स्केलिंग और रनटाइम वातावरण

• उपयोगकर्ता विभिन्न मशीन क्लास चुनकर कार्य के आकार को अनुकूलित कर सकते हैं
  • उदाहरण: Basic1x8 (1 कोर·8GB), Compute192x384 (192 कोर·384GB), Memory192x1536 (192 कोर·1.5TB)
• RemoteBatchMapSubmit, ParallelMap का विस्तारित संस्करण है, जो कई मशीनों पर व्यापक समानांतर प्रोसेसिंग करता है
  • प्रत्येक कोर के लिए वितरित “child job” अपने आप बनते हैं और परिणाम को Catenate से एकीकृत किया जा सकता है
• कार्य की स्थिति वेब डैशबोर्ड पर रियल-टाइम में देखी जा सकती है, और पूर्ण होने पर ईमेल से परिणाम का पूर्वावलोकन भेजा जाता है

उदाहरण: PentagonTiling और Cellular Automaton खोज

• PentagonTiling फंक्शन के साथ non-overlapping pentagon pattern generation का एक उदाहरण दिया गया है
  • 20 पेंटागन स्थानीय रूप से तेजी से प्रोसेस हो जाते हैं, जबकि 500 से अधिक को Compute Services में भेजकर रन किया जाता है
  • परिणाम ईमेल से भेजा जाता है और Wolfram Notebook में तुरंत फॉलो-अप गणना की जा सकती है
• 1,000,000,000 cellular automaton नियमों की वृहद समानांतर खोज का उदाहरण भी दिया गया है
  • 192 कोर मशीन पर इसे कुछ घंटों में पूरा किया गया, जबकि RemoteBatchMapSubmit के साथ परिणाम 3 मिनट के भीतर मिल गए
  • कुल 8 घंटे की कंप्यूट क्षमता को समानांतर तरीके से उपयोग किया गया

प्रोग्रामेबल नियंत्रण और मैनेजमेंट फीचर्स

• प्रत्येक कार्य के लिए TimeConstraint, CreditConstraint, RemoteJobName जैसे विकल्प सेट किए जा सकते हैं
• सूचना प्रणाली (RemoteJobNotifications) के साथ स्थिति परिवर्तन, क्रेडिट उपयोग और elapsed समय जैसी जानकारी ईमेल या SMS से मिलती है
• काम का परिणाम डिफ़ॉल्ट रूप से 2 सप्ताह तक सेव रहता है, और जरूरत पड़ने पर CloudPut के जरिए Wolfram Cloud में स्थायी रूप से स्टोर किया जा सकता है
• फेल होने पर "JobLogTabular" आदि के साथ विस्तृत लॉग का विश्लेषण किया जा सकता है, तथा RemoteBatchJobAbort से इसे रोक सकते हैं

भविष्य की विस्तार योजनाएँ

• Compute Services शुरुआत में batch computation environment के रूप में शुरू हुआ है, और आगे सिंक्रोनस रिमोट कर्नल रनटाइम जोड़ने की योजना है
• Wolfram HPCKit की मदद से संगठन अपनी खुद की HPC infrastructure को RemoteBatchSubmit बैकएंड के रूप में सेट कर सकता है
  • "WolframBatch" के अतिरिक्त कस्टम बैच प्रदाता जोड़ने का समर्थन भविष्य में मिलेगा
• यह सेवा 1988 में Mathematica के बाद विकसित Wolfram Cloud, Application Server और Engine लाइन का latest चरण है
• लक्ष्य यह है कि सुपरकंप्यूटिंग क्षमता तुरंत उपलब्ध कराकर शोधकर्ता और डेवलपर दोनों बड़े पैमाने की गणनाएँ आसान तरीके से कर सकें

[GN⁺]

Hacker News राय

• पहले मैं Wolfram Language का इस्तेमाल बहुत आनंद लेकर करता था
  प्रोग्रामर की बजाय शोधकर्ता के नज़रिए से देखने पर यह कहीं ज़्यादा शक्तिशाली exploration·prototyping tool जैसा लगता था
  2016~2020 के आसपास मैंने ऐसी मज़ेदार चीज़ें की थीं जैसे यह गणना करना कि किस तारीख़ को धूप काँच की दीवार से होकर अंदर गिरेगी, और उसे animation के रूप में visualise करना
  अब तो शायद Claude से पूछ लेना काफ़ी होगा, लेकिन LLM से पहले के दौर में WL सोचने के लिए सबसे बेहतरीन tool था
  (और हाँ, perpetual license भी मिलता है)

  • मुझे लगता है इस language की ताकत इसकी संक्षिप्त syntax और विशाल Mathematica library से आती है
    अगर Python “batteries included” है, तो Mathematica “spaceship included” के स्तर की चीज़ है
    अगर यह open source होता, तो शायद IT industry को काफ़ी बदल देता, लेकिन महँगा commercial software होने की वजह से शायद यह academia-केंद्रित niche product ही बना रहेगा
  • Mathematica + LLM का combination सच में बहुत शक्तिशाली है
    दुनिया की सबसे बड़ी mathematical routine library, visualisation tools, और LLM की acceleration को जोड़ दें तो experimentation, education, और visualisation के लिए यह लगभग बेहद दबदबे वाला tool बन जाता है
    मैं 1992 से इसका इस्तेमाल कर रहा हूँ, लेकिन आजकल Claude से “इसे visualise कर दो” कहना कहीं ज़्यादा तेज़ है
  • मुझे हमेशा अफ़सोस रहा कि मैंने Mathematica या MatLab जैसे tools कभी इस्तेमाल नहीं किए
    यह देखकर हैरानी होती है कि कुछ लोग सिर्फ MatLab से GUI और deep learning model तक बना लेते हैं
    Mathematica महँगा है, लेकिन शायद गणित पढ़ने की motivation दे सकता है
    जानना दिलचस्प होगा कि non-majors MatLab, Mathematica, Maple को कैसे इस्तेमाल करते हैं
  • 20 साल से ज़्यादा समय से इसे अपने laptop पर इंस्टॉल करके रखा है और साल में लगभग एक बार ही इस्तेमाल करता हूँ
    लेकिन हर बार इस्तेमाल करते हुए ऐसा लगता है जैसे 500-ton press से अखरोट तोड़ रहे हों
    industry और science दोनों में Mathematica को बहुत कम आंका गया है

• मुझे लगता है tech industry को Stephen Wolfram जैसे लोगों की और ज़रूरत है
  थोड़ा सनकी-सा सही, लेकिन सच में कुछ अच्छा बनाने की नीयत ताज़गी देती है
  VC या MBA के short-term profit pressure के बिना शुद्ध रूप से research में डूबे रहना अच्छा लगता है

  • सहमत हूँ। Wolfram पर अक्सर आलोचना होती है, लेकिन दशकों से जमा की गई उनकी वैज्ञानिक और तकनीकी उपलब्धियाँ सच में सम्मान के योग्य हैं

• काश supercomputer की ताकत से भी Mathematica 30 सेकंड के भीतर चल पाता
  समझ नहीं आता कि 1988 से लगभग वही काम करने वाला यह software इतना slow क्यों है

  • फिर भी Mathematica के tool ecosystem की बराबरी करने वाला system अभी तक नहीं है
    37 साल बाद भी इसका पूरा विकल्प न होना हैरान करता है
    Jupyter Notebook उसी स्तर की चीज़ नहीं है
  • यह ‘Not-Invented-Here’ syndrome का चरम उदाहरण लगता है
    इसकी वजह से कई अनोखे features मिले, लेकिन 2010s तक Undo/Redo का न होना कुछ ज़्यादा ही था
  • सच कहें तो ऐसा एहसास लगभग हर consumer software पर लागू होता है

• “proprietary language को proprietary service से विस्तार दो” वाली strategy मौजूदा ग्राहकों के लिए तो अच्छी है, लेकिन नए users लाने में इसकी सीमा है
  यह cloud-based usage थोपने की शुरुआती निशानी जैसा लगता है
  Wolfram अगर LLM का इस्तेमाल करके natural language → Mathematica code conversion वाली simulation service बनाए, तो वह कहीं ज़्यादा innovative होगा
  MathWorld भी उसके लिए आधार संपत्ति की तरह इस्तेमाल हो सकता है

  • अच्छी बात कही

• बहुत से लोग Stephen Wolfram की personality या bit·byte वाली बातों पर ही अटके रहते हैं,
  लेकिन सच तो यह है कि अब तक general programming को Wolfram-स्तर की abstraction तक पहुँच जाना चाहिए था
  शायद agent·LLM आधारित code generation ही अगले चरण तक जाने का रास्ता है
  हालांकि automation की वजह से teams का आकार छोटा होने जैसा side effect हो सकता है

  • “Wolfram everywhere” से आपका ठोस मतलब क्या है — dataset accessibility? mathematical functions? CAS features?
  • आधा मज़ाक, आधा गंभीर होकर पूछने का मन करता है, “Stephen, क्या आप ही हैं?”
    दरअसल पहले से ही ऐसे environments हैं जहाँ वही code कई platforms (x86, ARM, WASM आदि) पर चल सकता है
    एक ही language से graphics, full stack, embedded, और HPC सब कुछ कवर करना ज़रूरत से ज़्यादा जटिलता पैदा करेगा

• इस बार नई feature को पेश करने का तरीका मुझे बहुत पसंद आया
  problem definition → solution approach → example → step-by-step explanation बहुत साफ़ था, इसलिए समझना आसान लगा
  आम तौर पर पढ़ने के बाद मैं और उलझ जाता हूँ, लेकिन इस बार ऐसा नहीं हुआ

  • दिलचस्प बात यह है कि Stephen Wolfram अपनी software का वास्तविक user और अंतिम decision-maker भी हैं
    पहले वे नई feature meetings को YouTube पर live stream भी करते थे, और उसे देखकर महसूस होता था कि उन्हें product से कितना लगाव है
    उसमें थोड़ा Jobs-जैसा leadership feel होता था

• लगता है Stephen ने आखिरकार cloud computing को गंभीरता से अपनाना शुरू कर दिया है
  मैंने पहले RemoteKernel प्रयोग नोट्स देखे थे, और इस बार यह काफ़ी बेहतर लग रहा है
  बस अच्छा होता अगर इसे अपने cloud पर host किया जा सकता
  मैंने पहले 512GB RAM, 128-core VM पर Mathematica चलाकर देखा था, लेकिन cost-effectiveness बहुत खास नहीं थी

  • जब headless kernel आया था, तब मुझे जिज्ञासा हुई थी कि क्या इसे Kubernetes पर चलाया जा सकता है
    वास्तव में Wolfram Application Server for Kubernetes है, लेकिन उसे एक साल से ज़्यादा समय से update नहीं मिला है

• मैं 1990s से Mathematica इस्तेमाल कर रहा हूँ, और मुझे हमेशा हैरानी होती थी कि उन्होंने 20 साल से ज़्यादा समय तक cloud computation service क्यों नहीं निकाली
  अब जाकर remote बड़े servers पर calculation कर पाना संभव हुआ है, तो मुँह से अपने आप “आख़िरकार!” निकलता है

• मुझे जिज्ञासा थी कि क्या quant traders भी Mathematica इस्तेमाल करते हैं
  language सुंदर है, built-in tools बहुत हैं, और visualisation भी शानदार है, इसलिए financial analysis के लिए यह बिल्कुल उपयुक्त लगता है
  कीमत भी शायद वहन की जा सकती होगी, और HFT के लिए कोई compiler भी रहा होगा

  • हाँ, इस्तेमाल करते हैं

• Mathematica में standard functions का integration हैरान करने वाला है
  अच्छा होगा अगर कोई इसे open source में implement करे — इसका 10% भी बन जाए तो उपयोगी होगा
  इसी वजह से मैंने Rust में Woxi नाम का एक project (github.com/ad-si/Woxi) शुरू किया है, और साथ जुड़ने वाले contributors खोज रहा हूँ

  • 10% स्तर का open source replica project Mathics पहले से मौजूद है
  • मैं भी Go में कुछ ऐसा ही बना रहा हूँ
    लगभग 300 symbols काम कर रहे हैं, और complex numbers तथा basic rule system भी implement कर रहा हूँ
    Factor feature गणितीय रूप से जटिल है, इसलिए अभी उस पर research चल रही है
    graphics output नहीं है, terminal-based है
    मैं Claude model की मदद से AI programming और mathematical concepts दोनों साथ में सीख रहा हूँ
  • मेरी निजी राय में two-pass evaluator implement करना बेहतर होगा
    क्योंकि pest tokens को सीधे functions में इस्तेमाल करना slow होता है और optimise करना कठिन होता है