L’entraînement de modèles d’IA à grande échelle pose des défis majeurs, notamment en termes de coût de calcul et d’efficacité énergétique. Ce projet s’attache à résoudre ces problèmes en développant une nouvelle pile logicielle dédiée à l’apprentissage profond à grande échelle, fondée sur une intégration étroite des avancées algorithmiques, de l’optimisation au niveau des systèmes et de cas d’utilisation concrets. Il s’inscrit directement dans les priorités du programme PEPR NumPEx consacré au calcul haute performance (HPC) pour l’IA.

Le projet SAGE-HPC vise à développer une plateforme logicielle évolutive, ouverte et interopérable destinée à l’optimisation multifidélité de problèmes physiques complexes dans des environnements de calcul haute performance (HPC) à l’exascale. La résolution de ces problèmes d’optimisation constitue un défi scientifique majeur en raison de la complexité des phénomènes physiques en jeu et du coût de calcul associé aux simulations à haute fidélité. Pour relever ce défi, le projet s’appuie à la fois sur l’utilisation coordonnée de modèles à fidélité variable — où des modèles simplifiés et peu coûteux guident l’exploration de l’espace des solutions, tandis que des modèles à haute fidélité sont utilisés de manière sélective pour affiner les résultats — et sur l’exploitation massive des ressources HPC exascale, permettant ainsi un traitement parallèle à grande échelle de ces approches.

Le projet KOKTAILS vise à améliorer la portabilité des logiciels de simulation sur les architectures de calcul exascale, en contribuant au développement d’une pile logicielle souveraine adaptée aux supercalculateurs basés sur des GPU. Il s’inscrit dans la stratégie PEPR de NumPEx et contribue à la souveraineté numérique française en matière de calcul haute performance (HPC). Il comprend le développement d’un middleware évolutif visant à garantir la portabilité des performances sur diverses architectures GPU, y compris des processeurs européens tels que SiPearl Rhea. Le projet contribue ainsi à la transition des applications existantes vers le calcul exascale, grâce à la création d’un écosystème open source conforme à la politique européenne en matière de souveraineté.

Ce projet de recherche porte sur la transformation majeure en cours dans le domaine de la radioastronomie, portée par des observatoires de nouvelle génération tels que LOFAR 2.0 et le SKA. Ces instruments génèrent des ensembles de données volumineux et hétérogènes, répartis sur plusieurs sites, qui ne peuvent être traités efficacement à l’aide des méthodes traditionnelles de traitement des données. Le projet vise à surmonter ces goulots d’étranglement structurels en développant une plateforme numérique unifiée et évolutive qui fédère les ressources de calcul haute performance (HPC), de cloud et de stockage d’objets. Elle permettra l’exécution de flux de travail complexes (y compris le traitement basé sur l’IA) sur des infrastructures hétérogènes grâce à des technologies modernes de conteneurisation. Des principes clés tels que la provenance des données, la reproductibilité et le calcul économe en énergie seront intégrés afin de prendre en charge à la fois les flux de travail scientifiques interactifs et automatisés.