calcul-intensif@CEA

jeudi 1 oct. 2026, 09:00 → 22:30 Europe/Paris

TGCC

09:00 Accueil

1 Introduction

Orateur: Pascal Tremblin (Maison de la Simulation)

2 update Alice Recoque/AST

Orateurs: AMD, BULL, TGCC

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

Orateur: Cédric Gouy-Pailler

11:00 Pause

4 DES : Optimisation de kernels GPGPU – the secret sauce

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.

Orateur: Rémi Bourgeois

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

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 particulier au portage vers les architectures GPU, seront ensuite examinés. Enfin, nous illustrerons, à travers un exemple de méthode numérique traitée par MANTA, que les enjeux de passage à l’échelle ne se limitent pas aux questions d'architecture logicielle, mais concernent également les algorithmes eux-mêmes.

Orateur: Olivier Jamond

12:30 Repas

6 Table ronde IAg/code

13:30 Visite TGCC

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

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 stratégies pour traiter des problèmes de très grande dimension.

Orateur: Benoit Malézieux

8 DRF : MLIR/kokkos

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.

Orateur: Yuuichi Asahi

15:30 Pause

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

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.

Orateur: Gilles Kluth

10 DAM : Caractérisation d'architectures pour la projection de performances

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 actuelles et futures, et des métriques décrivant le comportement des codes sur ces architectures.
Ces métriques sont recueillies sur les calculateurs en production, ainsi que sur des prototypes constructeurs lorsqu'ils existent.
Au cours de cette présentation, nous détaillerons la plateforme d'automatisation de cette collecte ainsi que les méthodes de projection qui fourniront aux décideurs des leviers supplémentaires pour le choix de la prochaine génération de calculateurs.

Orateur: Dorian Leroy