Sites Inria

Astrophysique

Françoise Breton - 5/02/2013

Midas : une librairie logicielle au service de l’astrophysique

© Inria

Pour comprendre la formation de l’univers, les cosmologues sont amenés à analyser d’énormes volumes de données recueillis par les satellites et renseignant sur le fond diffus cosmologique. Le projet Midas, financé par l’Agence nationale de la recherche, a permis aux astrophysiciens de travailler avec des spécialistes du calcul haute performance. Leur objectif : développer des algorithmes numériques et des logiciels performants pour le traitement de ces données sur les plus grands supercalculateurs mondiaux.

Entretien avec Laura Grigori, équipe Grand-Large, Inria Saclay – Île-de-France

À quels problèmes se heurtent aujourd’hui les astrophysiciens ?

Les astrophysiciens traquent les infimes fluctuations d’intensité et de polarisation du rayonnement cosmologique issu du Big Bang . Pour cela, ils équipent des ballons ou des satellites, de télescopes qui collectent une énorme quantité de données sur l’espace. À partir de ces données, ils dressent des cartes qui alimentent les recherches sur la formation des grandes structures de l’univers  (amas de galaxies). Les physiciens ont besoin de toujours plus de données, à la fois pour détecter des phénomènes de plus en plus petits et pour pallier le bruit associé aux limites des capteurs eux-mêmes. De sorte que le volume de données croît de façon exponentielle et que l’analyse des images demande, par conséquent, de plus en plus de temps calculs.

Pour donner une idée de cette progression, Julian Borrill du Computational Cosmology Center  (Lawrence Berkeley National Laboratory ) et Radek Stompor du laboratoire AstroParticule et Cosmologie (Paris 7) ont calculé qu’en 1989 le satellite de la Nasa, COBE, a produit 10 gigabytes de données et l’analyse d’une seule carte nécessitait 1 téraflop (1012 opérations par seconde) de calcul. Les technologies avancées du satellite de l’agence spatiale européenne, Planck, qui offre une plus grande sensibilité a produit 1 térabyte de données depuis 2010 et il faut 100 pétaflops (1017 opérations par seconde) de calcul par analyse de carte. Ces chercheurs prévoient que les expériences futures rapporteront 0,5 pétabyte de données et nécessiteront 100 exaflops (1020 opérations par seconde) de calculs par analyse de carte du ciel !

Quel défi cela pose-t-il pour le traitement de ces données ?

Le calcul parallèle s’impose pour de tels volumes de données , mais la structure des supercalculateurs est tellement complexe que les algorithmes disponibles ne sont pas adaptés. En particulier, les technologies des réseaux de communications n’ont pas progressé au même rythme que l’augmentation de la vitesse de calcul et sont limitées par les lois de la physique. Le temps mis pour communiquer entre processeurs ou entre mémoire centrale et mémoires cache devient très important par rapport à la vitesse des calculs eux-mêmes. Il est nécessaire de développer des algorithmes plus efficaces permettant de contourner cette limite.

Quelle solution avez-vous adoptée pour ce point particulier ?

Carte des fluctuations du fond diffus cosmologique, reconstruite en utilisant les routines de bibliothèques MIDAPACK à partir de données bruitées produites par une expérience fictive, qui balaye le ciel le long des cercles progressivement en se déplaçant de gauche à droite. - © Midapack

Nous nous sommes focalisés sur l’étape majeure de l’analyse des données : la construction des cartes. Un des résultats marquants de ce projet a été de développer un algorithme spécial, un « pré-conditionneur » , qui accélère la résolution du problème : il établit une relation entre les différents sous-problèmes et fournit ainsi des informations globales  permettant de converger plus vite sur la solution. Cette approche est beaucoup plus efficace que les méthodes existantes. Nos algorithmes permettent ainsi de diminuer par 6 le temps nécessaire pour calculer une image sur 1024 processeurs formés de 12288 cœurs. Ce résultat a été présenté à la conférence Supercomputing 2012 .

Est-ce le résultat essentiel de Midas ?

L’objectif de Midas est plus général. Nous avons développé la bibliothèque Midapack qui offre aux astrophysiciens les algorithmes numériques les plus avancés  pour résoudre leurs problèmes et leur permet d’utiliser les grandes machines parallèles de façon très performante. Cette bibliothèque est mise à disposition des scientifiques sur le web. Elle contient pour le moment les deux opérations les plus utilisées par les astrophysiciens. La première est un outil de construction de cartes du ciel  qui revient à résoudre un problème au moindre carré généralisé et qui utilise le pré-conditionneur dont je viens de parler. La seconde calcule des transformées sphériques harmoniques qui sont utilisées pour synthétiser une carte du ciel à partir de sa représentation harmonique . Nous avons développé pour cela un logiciel qui tourne sur une architecture hétérogène, c’est-à-dire combinant des processeurs multicœurs et des GPU, une autre difficulté associée aux calculateurs parallèles.

Midas arrive à son terme. Y a-t-il des suites à ce projet ?

Nous continuons à développer des algorithmes numériques de pointe et la bibliothèque Midapack en collaboration avec les astrophysiciens et cosmologues du laboratoire AstroParticule et Cosmologie, à Paris. Nous comptons notamment améliorer la performance des algorithmes de communication . Jusqu’à présent, nous avons diminué les communications de façon indirecte en réduisant le nombre d’itérations nécessaires pour atteindre la solution. Nous allons essayer d’aller plus loin en visant directement la réduction du temps dédié aux communications en minimisant le nombre d’échanges nécessaires. Nous envisageons également d’adapter nos algorithmes et la bibliothèque à d’autres applications en astrophysique , voire dans d’autres domaines comme la climatologie.

Laura Grigori a maintenant rejoint le centre Inria Paris-Rocquencourt, et est responsable de l'équipe de recherche Alpines, commune avec le Laboratoire Jacques-Louis Lions, l'UPMC et le CNRS.

Haut de page

Suivez Inria