T3 : Simulation et extraction de connaissances à partir de données complexes
T3: Simulation and knowledge extraction from complex data
T3 : Simulation et extraction de connaissances à partir de données complexes

Crédits : IJCLab

P2IO a apporté son soutien au développement et à la gestion d'infrastructures informatiques communes : salles informatiques et centres de données à accès partagé, solutions logicielles innovantes de stockage et solutions logicielles de sauvegarde. En ce qui concerne les applications en physique, un soutien a également été apporté à l'architecture avancée et à la R&D algorithmique pour exploiter le parallélisme pour la sélection de données et les taches d'analyse. Au cours de la prochaine phase, P2IO encouragera et soutiendra les efforts émergents dans les laboratoires pour résoudre les défis informatiques à venir sur le traitement de données et la simulation dans notre communauté scientifique :

  • Le défi du calcul intensif : le traitement et la simulation de grands ensembles de données physiques, allant des événements complexes des détecteurs aux images des télescopes, nécessitent des ressources informatiques considérables et des architectures avancées. Notamment, la simulation en astrophysique bénéficiera des infrastructures de supercalcul à l'échelle exa à venir. Un parallélisme et une architecture efficaces sont deux aspects clés pour faire correspondre les processeurs en évolution rapide avec le flux de travail physique de manière automatique et durable, pour produire des piles logicielles et des pipelines de données destinés à perdurer pendant plusieurs décennies.
  • Le grand défi des données : du côté des E/S, l'explosion récente du volume de données enregistrées ou simulées par les expériences pose de nouveaux défis en matière de stockage de données et de localisation. De nouveaux outils inspirés des approches " big data " doivent être développés. Du côté algorithmique, les approches d'intelligence artificielle se sont avérées très efficaces pour la résolution de gros problèmes de données, et pourraient jouer un rôle croissant dans nos paradigmes de physique expérimentale et théorique. Les méthodes de "Deep Machine Learning " sont prometteuses pour le fondement de nombreux efforts de R&D dans notre communauté.

P2IO est impliqué dans cette recherche, bénéficiant de liens étroits avec la communauté "data science", en particulier "the UPSaclay Center for Data Science", un centre de recherche interdisciplinaire de UPSaclay.

 
#44 - Màj : 16/04/2021

 

 

Retour en haut