calcul-intensif@CEA

Liste des Contributions

1. Introduction

Pascal Tremblin (Maison de la Simulation)

01/10/2026 09:20

2. update Alice Recoque/AST

AMD, BULL, TGCC

01/10/2026 09:30

5. DRT : Enjeux computationnels pour l'apprentissage de modèles de monde et VLA

Cédric Gouy-Pailler

01/10/2026 10:30

7. DES : Optimisation de kernels GPGPU – the secret sauce

Rémi Bourgeois

01/10/2026 11:30

In this talk, we discuss two very simple and portable GPU kernel optimisation techniques and use them as an excuse to review some GPU memory hierarchy basics. These optimisations were implemented at scale in the TRUST code, enabling significant speedups on the GPU partitions of Adastra & Jeanzay.

8. DES : MANTA, les challenges du passage à l’échelle

Olivier Jamond

01/10/2026 12:00

Cette présentation discutera des enjeux liés à l’exploitation efficace des grands systèmes de calcul pour un code de simulation multiphysique généraliste tel que MANTA. Après une description des grandes lignes de son architecture, nous verrons en quoi certains choix de conception peuvent s'avérer pénalisants en termes de performances. Les défis associés à la portabilité des performances, et en...

13. Table ronde IAg/code

01/10/2026 13:30

9. DRF : Scaling deep inverse problems solvers on multi-gpu HPC systems

Benoit Malézieux

01/10/2026 14:30

Les instruments scientifiques modernes produisent des volumes de données toujours plus importants, mettant à l’épreuve les méthodes récentes de reconstruction d’images. Nous nous intéresserons au passage à l’échelle des méthodes de résolution de problèmes inverses à l’ère du deep learning. À travers deux applications, en tomographie 3D et en radio-interférométrie, nous présenterons quelques...

10. DRF : MLIR/kokkos

Yuuichi Asahi

01/10/2026 15:00

In the era of HPC-AI, software developers need a strategy to establish an hybrid HPC-AI workload while keeping a performance portability. A key would be the coupling technology between simulation codes in C++ and AI models in Python. We will present our strategy for coupling between C++ and Python with the MLIR compiler framework.

11. DAM : Meta-modèle profond dans un code de simulation HPC

Gilles Kluth

01/10/2026 16:00

Sur le cas de la méta-modélisation des spectres d'absorption et d'émissivité dans un code multi-physiques, nous verrons les possibilités de gain de performances, les points-clés de l'entraînement des modèles et de l'inférence en ligne, et les sujets de recherche actuels à ce sujet.

12. DAM : Caractérisation d'architectures pour la projection de performances

Dorian Leroy

01/10/2026 16:30

Le renouvellement d'un supercalculateur impose d'arbitrer entre gain de performance estimé, consommation énergétique et portabilité des codes de calcul existants.
Évaluer ces compromis nécessite de prédire les performances des codes de calcul sur les architectures futures.
Les méthodes de projection mobilisées à cette fin reposent sur deux éléments : les caractéristiques des architectures...

6. DRT : TBA