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.
124 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
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
Réduction dynamique des traces par l’analyse de performance a la volée
Tom Gavé
Ecole Nationale Supérieure d'Electronique, Informatique et Radiocommunications de Bordeaux
Sharp Probabilistic Normwise Backward Error Bounds for LU Factorization
Liam Burke, El-Mehdi El Arar, Stef Graillat, Theo Mary
Pré-publication
QABBA: Symbolic Time Series Compression via Integer-Quantized Aggregation
Erin Carson, Xinye Chen, Fei He, Cheng Kang
Pré-publication
Longest-Path-Based Task Splitting for Homogeneous Platforms
Thomas Morin, Nathalie Furmento, Abdou Guermouche, Samuel Thibault, Pierre-André Wacrenier
PPAM 2026 - International Conference on Parallel Processing and Applied Mathematics · Poznan, PL
Mixed Precision Augmented GMRES
Yongseok Jang, Pierre Jolivet, Theo Mary
Numerical Linear Algebra with Applications · vol. 33 · n° 4 · p. e70117
Automated Numerical Stability Analysis of Deep Learning Operators
Xinye Chen
Pré-publication · arxiv
A fixed-accuracy randomized interpolative decomposition based on pivoted QR
Alfredo Buttari, Karmijn Hoogveld, Theo Mary
Pré-publication
TOTO: Transparent I/O Tuning for HPC Applications
Francieli Boito, Luan Teylo, Mihail Popov, Laora Aimi, Alexis Bandet, Laércio Lima Pilla + 1 autres
ICS 2026 - International Conference on Supercomputing · Belfast, GB
Mixed precision Newton's method for optimization
Nicolas Brisebarre, Giuseppe Carrino, Theo Mary, Elisa Riccietti
Pré-publication
Online learning of subgrid-scale models for quasi-geostrophic turbulence in planetary interiors
Hugo Frezat, Thomas Gastine, Alexandre Fournier
Pré-publication
