L'efficacité énergétique extrême dans le calcul à haute performance

Extreme energy efficiency in high performance computing

• Auteur / Autrice : Florent Pautre-lam
• Direction : François Alouges
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/04/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Centre Borelli
• Partenaire(s) de recherche : Référent : Ecole Normale Supérieure Paris-Saclay

Mots clés

Mots clés libres

Optimisation

Modélisation

Calcul Haute Performance

Consommation énergétique

Energy consumption

Optimization

High Performance Computing

Modélisation

Résumé

Cette thèse s'inscrit dans le cadre d'une collaboration entre le Centre Borelli de l'ENS Paris-Saclay et la société CGG qui fournit des données, des produits et des services dans le domaine des sciences de la Terre, de la science des données, de la détection et de la surveillance pour un large éventail d'industries. Le Centre Borelli de l'ENS Paris-Saclay est un laboratoire de recherche interdisciplinaire dans le domaine des mathématiques aux interfaces et des neurosciences intégratives et comportementales. Les technologies HPC sont désormais largement utilisées dans toutes les activités humaines, dans de nombreux cas stratégiques et critiques. En conséquence, nous avons assisté à une augmentation significative du nombre et de la taille des centres de données spécialisés. Or, ces centres sont de plus en plus gros et consomment de plus en plus d'énergie. Il est désormais fréquent de voir des besoins se chiffrant en dizaines de mégawatts. Jusqu'à récemment, la consommation énergétique de ces centres n'était pas une préoccupation majeure. D'autres priorités, comme par exemple, la vitesse des calculs à effectuer ou la taille des données à traiter constituaient l'enjeu des développements informatiques dans le contexte HPC. Dorénavant, la difficulté d'augmenter encore les capacités de traitement, l'exigence de converger vers le carbone NET ZERO, le coût exponentiel de l'énergie, et la croissance insatiable de la demande pour toujours plus de calculs, imposent de repenser rapidement et globalement cette activité et de se concentrer sur l'optimisation de l'efficacité énergétique. Cette thèse se concentrera sur une facette de ce grand défi : comment régler ou équilibrer les charges de travail du centre afin d'assurer une efficacité énergétique optimale ? Comment repenser et/ou adapter les algorithmes de façon à les rendre économes en énergie ? Naturellement, les autres contraintes sont toujours présentes, comme le réglage de la performance, la conception optimale du centre de données, la sélection optimale des écosystèmes matériels et logiciels, etc. Pour être utile à un large éventail d'utilisateurs finaux, développeurs, administrateurs système, planificateurs, etc., cette thèse se propose de développer une méthodologie, un ensemble d'outils pour collecter et analyser de grands ensembles de données. Nous prévoyons également de développer ceci dans un projet Open Source pour attirer d'autres contributeurs.

This thesis is part of a collaboration between the Borelli Center at ENS Paris-Saclay and the company CGG, which provides data, products, and services in the field of Earth sciences, data science, detection, and monitoring for a wide range of industries. The Borelli Center at ENS Paris-Saclay is an interdisciplinary research laboratory in the fields of mathematics at interfaces and integrative and behavioral neuroscience. HPC (High-Performance Computing) technologies are now widely used in all human activities, in many strategic and critical cases. Consequently, there has been a significant increase in the number and size of specialized data centers. These centers are becoming larger and consuming more energy. It is now common to see needs amounting to tens of megawatts. Until recently, the energy consumption of these centers was not a major concern. Other priorities, such as the speed of calculations to be performed or the size of data to be processed, were the focus of developments in HPC computing. Now, the difficulty of further increasing processing capacities, the requirement to converge towards NET ZERO carbon, the exponential cost of energy, and the insatiable growth in demand for more calculations, require a rapid and comprehensive rethink of this activity and a focus on optimizing energy efficiency. This thesis will focus on one aspect of this major challenge: how to adjust or balance the workload of the center to ensure optimal energy efficiency? How to rethink and/or adapt algorithms to make them energy-efficient? Naturally, other constraints are still present, such as performance tuning, optimal design of the data center, optimal selection of hardware and software ecosystems, etc. To be useful to a wide range of end-users, developers, system administrators, planners, etc., this thesis aims to develop a methodology, a set of tools to collect and analyze large datasets. We also plan to develop this into an Open Source project to attract other contributors.