Plateforme de calcul massivement parallèle évolutionnaire EASEA

Slides:



Advertisements
Présentations similaires
Speedup Prediction for Selective Compilation of Embedded Java Programs
Advertisements

Placement de Motifs Architecture Application Contraintes: - Charge
Lille, France – 02/12/2009 Journées CIGIL
Systèmes, algorithmes et applications: Efficacité du parallélisme. Gaétan Hains LIFO, Université d'Orléans Janvier 2001.
Master de recherche informatique Université de Montpellier 2
LIRMM 1 Journée Deuxièmes années Département Microélectronique LIRMM.
Un exemple de système EDA d'index supérieur distillation réactive avec réactions chimiques instantanément équilibrées Dr. Karim Alloula (ingénieur informatique.
PEA CALADIOM CAPTEUR INTELLIGENT À LONGUE AUTONOMIE POUR LA DÉTECTION ET LIDENTIFICATION DOBJETS MOBILES Thierry BERNARD Conseil de la recherche du 04/11/2004.
Les exportations de la Bourgogne Au-delà des chiffres …..des constats 30/09/2010 Bernard Dufresne Affaires Internationales DIRECCTE Bourgogne PREFET DE.
Cours MIAGE M1 « Urbanisation des Systèmes dInformation » Henry Boccon-Gibod Urbanisation des Systèmes dInformation L'informatisation des métiers.
Le Grid Computing Par Frédéric ARLHAC & Jérôme MATTERA.
Simulations numériques des plasmas astrophysiques au DAPNIA Projet SNOOPY Simulations numériques des plasmas astrophysiques au DAPNIA Projet SNOOPY Edouard.
Rendu de pierres taillées en temps réel Stéphane Guy Directeur de stage: Cyril Soler.
Journées franciliennes 2006 Moussa ELKIHEL (LAAS-CNRS;UPS Toulouse )
Présentation de GeneProt
Informatique parallèle hautes performances
Modélisation et commande hybrides d’un onduleur multiniveaux monophasé
Traitement de flux vidéo sur GPU (Processeur graphique)
Jean-Laurent Hippolyte
El-Djillali TALBI Doctorant systèmes industriels
Analyse et traitement de données de grande taille en imagerie médicale Cybèle Ciofolo-Veit Philips Research Paris - Medisys Conférence Mathématiques.
Du calculateur à l’ordinateur
Sélection automatique d’index et de vues matérialisées
Reconstruction de volume 3D
Introduction à l’Intelligence Artificielle
Architecture de grille générique, multi-
Application des algorithmes génétiques
5. Algorithme à estimation de distribution
Les Systèmes d’Exploitation
Réalisateur : PHAM TRONG TÔN Tuteur : Dr. NGUYEN DINH THUC
[photo d'un système] Schéma ordonnancement XML Évaluation Code C Modélisation Solution GÉNÉRATEUR AUTOMATIQUE DE CODE pour OUTIL DE MODÉLISATION-IMPLANTATION.
Optimisation et parallélisation de code pour processeur à instructions SIMD multimedia François Ferrand.
Pr. Alain Greiner (LIP6 - ASIM) Daniel Millot, Philippe Lalevee (INT)
Parallel Cooperative Optimization Research Group
« Recherche de méthode d’estimation de volume de production à risque »
Fast and Furious Decision Tree Induction Soutenance de planification
Introduction Objectifs du cours Évaluation Références
La résolution de la référence et son évaluation: un Atelier de Traitement de la Référence mettant en œuvre les « représentations mentales » Andrei Popescu-BelisISSCO,
Détection du meilleur format de compression pour une matrice creuse dans un environnement parallèle hétérogène Olfa HAMDI-LARBI.
Introduction à Linda Béat Hirsbrunner References Nicholas Carriero, David Gelernter : "Linda in context", Communications of ACM, vol. 32 (n° 4, April 1989)
Ordonnancement de tâches
Alessandro de Luna Almeida
CALMIP : Calcul en Midi-Pyrénées
Réunion de collaboration du 9-10 Juillet 2008 J.L. Béney 1 Logiciel At  Client-Serveur Tcp/ip de la station autonome  Influence de l'architecture matérielle.
IFT SYSTÈMES D'EXPLOITATION Automne 2005 Jean-Marie Beaulieu Département d'informatique et de génie logiciel Université Laval.
Soutenance de stage 16 Mai au 5 Août 2011
Soutenance de stage 16 Mai au 5 Août 2011
Stage 2A CS80 pour Origin 1/28. 1) Presentation of the internship 2) The Multi-Oscillator 3) Connection-GUI’s API Conclusion Stage 2A CS80 pour Origin.
Soutenance de stage 16 Mai au 5 Août 2011
UMR 7005 EPML n°9 UMR 7004 Recalage non-rigide d’images cérébrales 3-D avec préservation de la topologie : méthodes et validation LSIIT : Laboratoire.
Réseau bayésien à la détection de fraude
1 Techniques de Menus : Description, Développement, Evaluation Gilles Bailly 1,2 Directeurs de thèse : Laurence Nigay 1 et Eric Lecolinet 2 LIG Grenoble.
PROJET CAPS Compilation, Architecture, Processeurs Superscalaires et Spécialisées.
Présentation rapide d’
Pôle Régional de Modélisation en Sciences de l’Ingénieur
8INF856 Programmation sur architectures parallèles
Plate-forme MIRAGE Méso-Informatique Répartie pour des Applications en Géophysique et Environnement.
Fast and Furious Decision Tree Induction Projet 4INFO 1 Andra BLAJ Nicolas DESFEUX Emeline ESCOLIVET Simon MANDEMENT Renaud PHILIPPE Gareth THIVEUX Encadreurs.
Noyau Linux et multi-processeur sur plateforme embarquée ST50 Vendredi 18 Mars 2005 – Thomas Petazzoni.
PARALLÉLISATION AUTOMATIQUE D’ALGORITHMES
Présentation générale du projet
Construction d'une hiérarchie mémoire faible consommation
République Algérienne Démocratique et Populaire
Ordonnancement d’applications intensives embarquées sur GPUs
Projet CiGri CIMENT GRID Grille grenobloise pour la simulation numérique par méthodes de Monte Carlo Laurent Desbat (coordinateur scientifique) et Nicolas.
Présentation de l’équipe
PROJET CAPS Compilation, Architecture, Parallélisme et Système.
Equipe Projet DOLPHIN 03/04/08.
Plateforme de Calcul Intensif “HPC” de l’lnstitut Pytheas M. Libes UMS 3470 Pytheas C. Pinazo UMR 7294 MIO Juin 2015.
GPU sous LabVIEW eTIG_OOP_ Plan de la présentation 1.Frameworks OOP référencés 2.Performances d’accés 3.Performances de compilation 4.Erreurs.
Transcription de la présentation:

Plateforme de calcul massivement parallèle évolutionnaire EASEA Pierre Collet, Nicolas Lachiche, Ogier Maitre, Frédéric Krüger, Stéphane Querry Equipe Fouille de Données et Bioinformatique Théorique Laboratoire des Sciences de l'Image, de l'Informatique et de la Télédétection Université de Strasbourg EASEA : une plateforme évolutionnaire massivement parallèle

Plateforme physique : quelques chiffres 1.920 processeurs graphiques GPU, 14 Go de mémoire CPU : Intel Core I7 Puissance sur le papier : 6TFlops ! A titre indicatif, IBM ASCII White, machine la plus puissante du monde en 2000, avait une puissance estimée de 7TFlops, pour un poids de 106 tonnes, une consommation de 3MWatts + 3MWatts refroidissement. Bande passante (mémoire) vers les cartes GPU: 177 Go/s Speedups possibles : jusqu’à x1000 / PC Core i7. Valeur de la machine : 4600 € ! EASEA : une plateforme évolutionnaire massivement parallèle

Plateforme logicielle EASEA Peu d'algorithmes peuvent exploiter le parallélisme massif (avec coeurs SIMD) de cartes GPU, sauf les algorithmes évolutionnaires qui sont des méthodes d'optimisation universelles ET intrinsèquement parallèles. L'équipe FDBT développe la Plateforme logicielle EASEA (Easy Specification of Evolutionary Algorithms)‏. Permet l'implémentation d'un algorithme évolutionnaire sur CPU grâce au langage EASEA. Permet la parallélisation automatique sur GPU pour exploitation du parallélisme massif. Permet l’exploitation de clusters homogènes ou hétérogènes de machines pour exécution parallèle asynchrone. La plateforme permet aussi d'exploiter des machines standard. EASEA : une plateforme évolutionnaire massivement parallèle

Travaux de l'équipe Partie théorique (Ogier Maitre, Frédéric Krüger, Deepak Sharma) : Adaptation des algorithmes évolutionnaires au parallélisme massif (très grosses populations)‏ Partie applications : En chimie (Frédéric Krüger) : recherche de nouvelles zéolites En aéronautique (Stéphane Querry) : Détermination d'une matrice de représentation d'état non linéaire Planification de trajectoires compatibles avec la matrice d'état Suivi de trajectoires par commande prédictive MPC En énergie, smart grids (Frédéric Krüger) : Détermination de courbes de consommation à partir de relevés bisannuels. EASEA : une plateforme évolutionnaire massivement parallèle

Résultats en chimie (calcul GPU)‏ Les zéolites sont des cristaux poreux avec de nombreuses applications dans l'industrie (filtrage, catalyse, construction, médecine, ...)‏ A ce jour, 40 zéolites naturelles, 135 zéolites synthétiques La plateforme EASEA a permis de trouver 2 nouveaux candidats à 5 atomes : ... et papier accepté dans Physical Chemistry Chemical Physics. Novembre : chasse au gros (25 atomes) sur machine Petaflop (1000 Tesla). Speedup espéré : x250000. 1h = 28 ans sur Core I7. EASEA : une plateforme évolutionnaire massivement parallèle

Résultats en aéronautique (identification GPU)‏ Détermination des quaternions par programmation génétique trajectoire avec quaternions d'origine et quaternions obtenus. Papier accepté à WCCI'2010, Congress on Evolutionary Computation, Barcelone. EASEA : une plateforme évolutionnaire massivement parallèle

Résultats en aéronautique (trajectoires)‏ Retour au point de départ avec contraintes différentes : Evitement d'obstacle : EASEA : une plateforme évolutionnaire massivement parallèle

Commande prédictive évolutionnaire Suivi de roulis, lacet et tangage d'un aéronef en vol : Il n'y a pas 3 courbes, mais 6 (courbes superposées 2 à 2)‏ EASEA : une plateforme évolutionnaire massivement parallèle

Conclusion sur la plateforme EASEA Utilisable aussi sur machine conventionnelle (CPU). Les deux derniers résultats présentés ont été obtenus sans GPU. Avec GPU, des speedups atteignant x1000 peuvent être atteints (suivant les problèmes), ce qui fait que : 1 heure sur plateforme EASEA= 50 jours sur CPU 1 journée = 3 ans de calculs sur CPU ! La thématique Optimisation Stochastique de l'équipe FDBT est à la recherche de collaborations qui permettront de continuer à développer la plateforme. EASEA : une plateforme évolutionnaire massivement parallèle

Collaborations potentielles i2s2i Avec Jan Dusek (IMFS), sur de la mécanique des fluides. Avec Jacques Gangloff (thèse en démarrage) et Edouard Laroche (AVR). Avec Christian Heinrich (MIV) ? Collaboration avec Romaric David (équipe@méso).

Références O. Maitre, L. Baumes, N. Lachiche, A. Corma, P. Collet, Coarse Grain Parallelization of Evolutionary Algorithms on GPGPU cards with EASEA, Gecco'09, ACM, pp1403-1410, 2009. O. Maitre, N. Lachiche, P. Clauss, L. Baumes, A. Corma, P. Collet, Efficient Parallel Implementation of Evolutionary Algorithms on GPGPU Cards, EuroPar Parallel Processing, Springer LNCS 5704, p974-985, 2009. O. Maitre, N. Lachiche, P. Collet, Improving speedup of GP trees execution on GPGPU cards for as few as 32 fitness cases, EuroGP'10, in print, 2010. F. Krüger, O. Maitre, S. Jimenez, L. Baumes, P. Collet, Speedups between x70 and x120 for a generic local search (memetic algorithm) on a single GPGPU chip, EvoNum'10, in print, 2010. O. Maitre, S. Querry, N. Lachiche, P. Collet, EASEA parallelisation of Tree-Based Genetic Programming, WCCI'10, Congress on Evolutionary Computation, in print, 2010. D. Sharma, P. Collet, GPGPU-compatible Archived Based Stochastic Ranking Evolutionary Algorithm (G-ASREA) for Multi-Objective Optimization, PPSN'10, in print, 2010. EASEA : une plateforme évolutionnaire massivement parallèle