Statistical and learning methods for the analysis of signals from HPC computer

Méthodes d'apprentissage automatique appliquées à l'analyse des signaux d'utilisations des grands calculateurs

• Auteur / Autrice : Théo Saillant
• Direction : Nicolas Vayatis, Mathilde Mougeot, Jean-Christophe Weill
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques appliquées
• Date : Soutenance le 24/11/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale de mathématiques Hadamard (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Centre Borelli (Gif-sur-Yvette, Essonne ; 2020-...)
• Partenaire(s) de recherche : Référent : École normale supérieure Paris-Saclay (Gif-sur-Yvette, Essonne ; 1912-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Mathématiques (2020-….)
• Jury : Président / Présidente : Laurent Oudre
• Jury : Examinateurs / Examinatrices : Madalina Olteanu, Luiz Angelo Steffenel, Raymond Namyst
• Jury : Rapporteurs / Rapporteuses : Madalina Olteanu, Luiz Angelo Steffenel

Mots clés

Mots clés contrôlés

Optimisation convexe

Calcul intensif (informatique)

Séries chronologiques

Mots clés libres

Séries temporelles

Apprentissage

Statistique

HPC

Optimisation convexe

Time series

Machine-Learning

Statistics

HPC

Convex Optimization

Résumé

L’objectif de cette thèse est de déterminer quelles méthodes statistiques peuvent actuellement être utilisées pour améliorer la compréhension de l’utilisation qui est faite d’un grand calculateur. Nous décomposons le calculateur en trois parties : matériel, logiciels et utilisateurs afin de dégager trois pistes de recherches qui nous paraissait pertinentes. Nous proposons un modèle permettant la prédiction de la consommation électrique d’un calcul avant qu’il ne soit placé dans la file d’attente, ainsi le logiciel qui gère cette file d’attente peut piloter la consommation du calculateur. Nous cherchons également à visualiser plus facilement les données relatives aux évènements dans le calculateur qui peuvent être textuelles ou un nombre d’occurrences. Enfin nous proposons de regrouper et découper des séries temporelles issues de senseurs posé sur les calculateurs du CEA.Ces méthodes sont donc bien utiles pour les informaticiens et peuvent être originales pour les statisticiens.

The aim of this thesis is to determine what statistical methods can currently be used to improve the understanding of the use of a computing center. We decompose the computer into three parts : hardware, software and users in order to identify three relevant research directions. We propose a model allowing the prediction of the power consumption of a computer before it is placed in the queue, so that the software thatmanages this queue can control the computer’s consumption. We also seek to visualise more easily the data relating to events in the computing center which can be textual or a number of occurrences. Finally, we propose to group and slice in relevent parts time series from sensors installed on the CEA’s computers. These methods are therefore very useful for computer scientists and can be original for statisticians.