Simulation numérique des écoulements en roches

Simulation numérique des écoulements en roches poreuses
utilisant de grandes masses de données expérimentales:
enjeux, stratégies et perspectives
Philippe Poncet
Equipe Méthodes Numériques et Fluides Complexes
Lab. de Mathématiques et leurs Applications (LMAP, UMR CNRS 5142)
Institut Pluridisciplinaire de Recherches Appliquées (IPRA)
Université de Pau et des Pays de l’Adour (UPPA)

Milieux Poreux (LMAP) :
Brahim Amaziane, Etienne Ahusborde, Laurène Hume (doctorante),
Mustapha El Ossmani, Philippe Poncet, Charles Pierre
Tomographie (LFC-R, D-MEX) :
Fabrice Guerton, Peter Moonen, Pascale Sénéchal
Associés :
Robin Chatelin (LTDS St Etienne), David Sanchez (IMT Toulouse)
Groupe de travail

•Plusieurs aspects du HPC:
–Différents objectifs,
–Différents moyens de calcul,
–Différents volumes de calcul et de données,
–Différentes échelles de temps de calcul,
•Choix Algorithme vs Architecture, une efficacité très variable:
HPC : High-Performance-Computing

Suivant le contexte, on a affaire à plusieurs types de HPC:
•Many-Task-Computing (MTC): Grandes architectures distibuées
–Développements souvent dédiés à l’optimisation des communications (MPI, …)
–Exemple: Planification de tâches, équilibrage de charge, topologie de réseaux,
–Exemple applicatif: Décomposition de domaine, solveur de systèmes linéaires, …
•High-Throughput-Computing (HTC): Grands volumes de calcul
–Peu de communication en many-core-architectures, runs longs
–Exemple: Optimisation stochastique, sensibilité, différentiation, …
–Exemple du projet peta-scale 2008 : Climatologie et météo, astrophysique, …
•High-Density-Computing (HDC): Grands flux de données
–Tâches courtes, threads et mapping,
–Souvent en mémoire partagée, GPU, Accélérateurs, calcul hybride,
–Gestion RAM proche vs RAM lointaine pour une haute performance.
HPC : High-Performance-Computing

Big Data pour le Calcul Scientifique
INPUT
Masse de
données
(Big Data)
Code
« commercial »
Déploiement //
MTC OUTPUT
Masse de
données
(Big Data)
Post-
processing
Code « recherche »
MTC
GPU
Accélérateurs
Modélisation
Méthodes numériques
Algorithmique :
- Optimisation RAM
- Complexité TCPU
- Scalabilité