Faire progresser la science à l'échelle Exascale - Découvrez les dernières recherches de NumPEx
NumPEx est à la tête de la recherche sur le calcul exascale, faisant progresser le calcul à haute performance (HPC) pour relever les plus grands défis scientifiques et industriels. Notre équipe travaille sur les derniers algorithmes, architectures et optimisations logicielles pour la prochaine génération de science informatique.
Vous trouverez ici nos publications scientifiques, hébergées sur HAL, avec les derniers résultats et avancées de la communauté NumPEx. Que vous soyez un chercheur, un professionnel de l’industrie ou simplement un curieux intéressé par le calcul exascale, ces publications vous donneront un aperçu de l’avenir du HPC.
Nous sommes toujours à la recherche de nouveaux talents – étudiants, chercheurs, ingénieurs – qui souhaitent façonner l’avenir de la science informatique. Vous souhaitez contribuer à ce domaine ? Jetez un coup d’œil à nos travaux et rejoignez-nous pour repousser les limites de la performance et de l’innovation.
131 publications
Efficient Fine-Scale Simulation of Nonlinear Hyperelastic Lattice Structures
Clément Guillet, Thibaut Hirschler, Pierre Jolivet, Pablo Antolin, Robin Bouclier
Computer Methods in Applied Mechanics and Engineering · vol. 461 · p. 119202
A Methodology for System-Scale I/O Pattern Taxonomy for HPC Workloads
Théo Jolivel, François Tessier, Jakob Luettgau, Gabriel Antoniu, Philippe Deniel
SBAC-PAD 2026 - 38th IEEE/SBC International Symposium on Computer Architecture and High Performance Computing · Madrid, ES
Mixed-Precision Computing for Scientific Discovery: Formats, Co-Design, and Responsible Approximation
Emmanuel Agullo, Hartwig Anzt, Daniel Bauer, David Bindel, Alfredo Buttari, Alexandru Calotoiu + 34 autres
Pré-publication · arxiv
Numerical stability of tree tensor network operations, and a stable rounding algorithm
Marc Baboulin, Oguz Kaya, Theo Mary, Matthieu Robeyns
SIAM Journal on Matrix Analysis and Applications
Certified Bayesian optimal experimental design: from Expected Information Gain to Signal-to-Noise Ratio
Mohamed Doumbouya, Arthur Vidard, Olivier Zahm
Pré-publication · arxiv
NewMadeleine: An Optimizing Communication Library for High-Performance Networks
Olivier Aumage, Elisabeth Brunet, Alexandre Denis, Nathalie Furmento, Brice Goglin, Raymond Namyst + 2 autres
Dépôt logiciel
Mixed precision accumulation for neural network inference guided by componentwise forward error analysis
El-Mehdi El Arar, Silviu-Ioan Filip, Theo Mary, Elisa Riccietti
IMA Journal of Numerical Analysis
Mixed-precision algebraic multigrid with Jacobi and FSPAI smoothing on GPUs
Emmanuel Agullo, Ani Anciaux-Sedrakian, Alfredo Buttari, Petr Vacek
Pré-publication
MojitO/S: system, energy and network monitoring tools at the O/S level
Diane Orhan, Georges da Costa
Pré-publication
Two-level domain-decomposition AdaGrad method for scalable training of graph neural networks
Laurynas Varnas, Julien Herrmann, Alexander Heinlein, Serge Gratton, Alena Kopaničáková
Pré-publication
Réduction dynamique des traces par l’analyse de performance a la volée
Tom Gavé
Ecole Nationale Supérieure d'Electronique, Informatique et Radiocommunications de Bordeaux
QABBA: Symbolic Time Series Compression via Integer-Quantized Aggregation
Erin Carson, Xinye Chen, Fei He, Cheng Kang
Pré-publication
