Utilisation innovante des GPU

EDF

HPC Industrie & Services

Publié le 12 avril 2024

Le contexte

EDF, leader mondial de l'énergie, fait face à des défis complexes en matière de modélisation et de simulation dans le domaine de la mécanique des fluides. Ils ont sollicité l'expertise de notre équipe pour tirer pleinement parti des GPU et repousser les limites de leurs capacités de calcul. Code_Saturne, leur logiciel de simulation, a été identifié comme un point focal pour cette collaboration, offrant un potentiel énorme pour l'optimisation GPU.

Les objectifs

Réaliser le portage complet du code existant sur GPU, en mettant l'accent sur les solveurs linéaires et les algorithmes de reconstruction de gradients.
Démontrer la faisabilité et l'intérêt de l'utilisation d'OpenMP offload pour la portabilité et les performances, dans un contexte de calcul intensif.
Effectuer le portage sur GPU de plusieurs algorithmes à travers différentes technologies telles que CUDA et OpenMP offload, pour garantir une utilisation efficace des ressources matérielles.
Benchmarker le gain de performance obtenu grâce au portage sur GPU par rapport à l'implémentation multi-cœurs CPU, afin de valider l'efficacité des solutions proposées.

Les réalisations et résultats

Réalisation de PoCs sur la gestion des pointeurs partagés pour la mémoire unifiée du GPU, démontrant des améliorations significatives de performance et une gestion optimisée des ressources.
Développement d'un second PoC sur le dispatching CPU/GPU pour une utilisation transparente de ces architectures, facilitant ainsi l'intégration des solutions proposées dans l'infrastructure existante.
Portage et optimisation de plusieurs opérateurs du solveur linéaire sur GPU via CUDA et OpenMP offload, avec un accent particulier sur la maintenabilité et la portabilité du code.
Obtention d'un gain de performance conséquent comparé à l'implémentation multi-cœurs CPU, validant ainsi l'efficacité des solutions proposées et ouvrant la voie à de nouvelles possibilités d'optimisation.

Cette référence détaillée offre un aperçu complet de notre collaboration avec EDF et des résultats concrets obtenus grâce à notre expertise en HPC et en optimisation GPU.

Les objectifs

Réaliser le portage complet du code existant sur GPU, en mettant l'accent sur les solveurs linéaires et les algorithmes de reconstruction de gradients.
Démontrer la faisabilité et l'intérêt de l'utilisation d'OpenMP offload pour la portabilité et les performances, dans un contexte de calcul intensif.
Effectuer le portage sur GPU de plusieurs algorithmes à travers différentes technologies telles que CUDA et OpenMP offload, pour garantir une utilisation efficace des ressources matérielles.
Benchmarker le gain de performance obtenu grâce au portage sur GPU par rapport à l'implémentation multi-cœurs CPU, afin de valider l'efficacité des solutions proposées.

Les réalisations et résultats

Réalisation de PoCs sur la gestion des pointeurs partagés pour la mémoire unifiée du GPU, démontrant des améliorations significatives de performance et une gestion optimisée des ressources.
Développement d'un second PoC sur le dispatching CPU/GPU pour une utilisation transparente de ces architectures, facilitant ainsi l'intégration des solutions proposées dans l'infrastructure existante.
Portage et optimisation de plusieurs opérateurs du solveur linéaire sur GPU via CUDA et OpenMP offload, avec un accent particulier sur la maintenabilité et la portabilité du code.
Obtention d'un gain de performance conséquent comparé à l'implémentation multi-cœurs CPU, validant ainsi l'efficacité des solutions proposées et ouvrant la voie à de nouvelles possibilités d'optimisation.

Cette référence détaillée offre un aperçu complet de notre collaboration avec EDF et des résultats concrets obtenus grâce à notre expertise en HPC et en optimisation GPU.

Les objectifs

Réaliser le portage complet du code existant sur GPU, en mettant l'accent sur les solveurs linéaires et les algorithmes de reconstruction de gradients.
Démontrer la faisabilité et l'intérêt de l'utilisation d'OpenMP offload pour la portabilité et les performances, dans un contexte de calcul intensif.
Effectuer le portage sur GPU de plusieurs algorithmes à travers différentes technologies telles que CUDA et OpenMP offload, pour garantir une utilisation efficace des ressources matérielles.
Benchmarker le gain de performance obtenu grâce au portage sur GPU par rapport à l'implémentation multi-cœurs CPU, afin de valider l'efficacité des solutions proposées.

Les réalisations et résultats

Réalisation de PoCs sur la gestion des pointeurs partagés pour la mémoire unifiée du GPU, démontrant des améliorations significatives de performance et une gestion optimisée des ressources.
Développement d'un second PoC sur le dispatching CPU/GPU pour une utilisation transparente de ces architectures, facilitant ainsi l'intégration des solutions proposées dans l'infrastructure existante.
Portage et optimisation de plusieurs opérateurs du solveur linéaire sur GPU via CUDA et OpenMP offload, avec un accent particulier sur la maintenabilité et la portabilité du code.
Obtention d'un gain de performance conséquent comparé à l'implémentation multi-cœurs CPU, validant ainsi l'efficacité des solutions proposées et ouvrant la voie à de nouvelles possibilités d'optimisation.

Cette référence détaillée offre un aperçu complet de notre collaboration avec EDF et des résultats concrets obtenus grâce à notre expertise en HPC et en optimisation GPU.

Vous souhaitez travailler avec nous ?

Contactez-nous

À la une

Scénarios et prévisions climatiques alimentés par l'IA

01 avril 2025 Intelligence artificielle

Industrie & Services

À une époque où le changement climatique redéfinit les industries et les politiques mondiales, des prévisions climatiques précises et évolutives sont plus essentielles que jamais.

strategie-migration-cfm-aws-puissance-calcul-scalable

Stratégie de migration de CFM vers AWS pour une puissance de calcul scalable

29 juillet 2024 Migration AWS

Banque & Finance

La stratégie de CFM pour renforcer son leadership sur les marchés en augmentant drastiquement la taille de ses activités et sa présence géographique a conduit à une saturation de leurs clusters HPC on-premises.

Accélération des LLMs sur le Cloud AWS au service de la bio-informatique

06 juin 2024 Intelligence artificielle

Industrie & Services

Aneo a accompagné une société de bio-informatique spécialisée dans les genAI/LLMs, dans l'optimisation de son infrastructure cloud AWS et de ses processus d'IA pour accélérer la découverte de médicaments.

Utilisation innovante des GPU

Le contexte

Les objectifs

Les réalisations et résultats

Les objectifs

Les réalisations et résultats

Les objectifs

Les réalisations et résultats

Vous souhaitez travailler avec nous ?

À la une

Newsletter