Programme thématique NumPEx/AISSAI
Co-organisé par le Centre AISSAI du CNRS et le PEPR NumPEx, ce programme thématique examine la convergence entre l’intelligence artificielle et le calcul haute performance.
Ce programme aborde les deux aspects de cette relation : d’une part, la manière dont les infrastructures informatiques à grande échelle permettent la mise en œuvre de méthodes d’IA de plus en plus ambitieuses, et d’autre part, la manière dont l’IA peut transformer la simulation, l’analyse des données, les logiciels scientifiques et le fonctionnement des systèmes informatiques.
Elle fait le lien entre la recherche fondamentale en IA et les besoins scientifiques concrets, notamment la simulation hybride, les modèles de substitution et les modèles de base, les problèmes inverses, l’IA distribuée et fédérée, les flux de travail traitant de grandes quantités de données, la validation scientifique, l’interprétabilité et la robustesse.
Ce programme a pour objectif de créer des liens durables entre les communautés spécialisées dans l’IA fondamentale, les mathématiques appliquées, le calcul scientifique, l’ingénierie HPC et les applications.
La conférence « Science at the Convergence of AI and Exascale Computing » a exploré la manière dont l’IA transforme le calcul haute performance et comment les infrastructures de calcul haute performance (HPC) peuvent permettre à l’IA de traiter des problèmes scientifiques à grande échelle.
Parmi les thèmes abordés figuraient les modèles de base pour la science, les méthodes hybrides alliant IA et simulation, l’IA au service du HPC et la validation scientifique des approches émergentes.
L’atelier HACE a réuni des chercheurs spécialisés en mathématiques appliquées, en calcul scientifique, en intelligence artificielle et en ingénierie HPC.
Son objectif était d’identifier des stratégies pratiques de co-conception associant les méthodes numériques, les architectures d’apprentissage et les systèmes exascale, en mettant l’accent sur des flux de travail IA-HPC robustes et évolutifs.
AISSAI–GAP a exploré les interactions entre l’apprentissage automatique et la modélisation physique, en accordant une attention particulière aux problèmes inverses, à la physique différentiable, à l’inférence basée sur la simulation et à la découverte scientifique fondée sur les données.
Le programme s’achève par un hackathon pratique consacré à l’hybridation HPC/IA à l’aide de JAX. Les participants travailleront sur des défis concrets portant sur des applications scientifiques, le calcul accéléré et des workflows réutilisables basés sur l’IA.