M2 Informatique Haute Performance et Simulation

Capacité d'accueil

35
Langue(s) d'enseignement

Français
Régime(s) d'inscription

Formation initiale

Présentation

Objectifs pédagogiques de la formation

L'informatique haute performance s'est très largement répandue en raison d'une part des avancées des circuits intégrés et d'autre part des techniques de modélisation qui lui ont ouvert un champ très large d'applications. Plus récemment, les progrès en Intelligence Artificielle ont permis le développement de nouvelles techniques High Performance Data Analytics associant étroitement IA et le HPC. Enfin, les véhicules autonomes et plus généralement tous les systèmes embarqués renouvellent l'intérêt pour l'optimisation des performances au sein des systèmes critiques.
L'objet de ce parcours est de fournir des experts dans la conception et l'utilisation des technologies HPC aux différents niveaux : matériel, logiciel et système.

Lieu(x) d'enseignement

GIF SUR YVETTE

MONTIGNY LE BRETONNEUX

PALAISEAU

Pré-requis, profil d’entrée permettant d'intégrer la formation

Le M2 vise tout d'abord à accueillir des étudiants provenant du M1 CHPS. Il est également ouvert aux profils provenant aussi bien des M1 scientifiques, que d'écoles d'ingénieurs ayant acquis des compétences similaires à celles des étudiants provenant du M1 CHPS : -Mathématiques appliquées : algèbre linéaire, analyse, base de méthodes numériques -Informatique du parallélisme : architecture, algorithmique et programmation parallèle

Compétences

Exploiter efficacement des architectures haute performance.
Concevoir et produire des logiciels pour la simulation haute performance.
Comprendre et réaliser l’algorithmique pour la simulation et l’analyse de données.
Pouvoir utiliser des métriques standard et en définir de nouvelles pour évaluer les performances des logiciels HP.
Pouvoir contribuer à toute la chaîne de l’écosystème des simulations à grande échelle (analyse de données, calcul numérique, architectures matérielle et logicielles, évaluation de performances).

Profil de sortie des étudiants ayant suivi la formation

Ingénieur/chercheur travaillant à l'interface de la simulation, du développement de code sur architectures parallèles et de l'analyse de performance.

Débouchés de la formation

Les débouchés visés par le parcours-type sont :
-Les laboratoires de recherche appliquée et fondamentale (ingénieur de recherche, doctorant)
-Les milieux industriels concernés par les problématiques liés à la haute performance tels que les constructeurs de systèmes (informatiques, mécanique, automobile …) (ingénieur de recherche, ingénieur d'étude)
-Les sociétés de conseils (ingénieur d'étude, ingénieur de recherche)

Collaboration(s)

Partenaire(s) académique(s) de la formation

INSTN

Laboratoire(s) partenaire(s) de la formation

Centre Borelli
Maison de la Simulation - DRF
Laboratoire d’informatique Parallélisme Réseaux Algorithmes Distribués.

CEA DAM, Exascale Computing Research (CEA-INTEL-UVSQ).

Programme

Le semestre 1 est composé des UEs du tronc commun des deux options du master ainsi que quelques UEs de l'option B2 (IHPS).

Matières	ECTS	Cours	TD
Anglais Technique 1	2		27
Anglais Technique 1 Langues d’enseignement : AN ECTS : 2 Détail du volume horaire : Travaux dirigés : 27 Modalités d'organisation et de suivi : Coordinateur : Objectifs pédagogiques visés : Prérequis : TP. Période(s) et lieu(x) d’enseignement : Période(s) : Septembre - Octobre - Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : ST-QUENTIN-EN-YVELINES
Architecture et Programmation d'accélérateurs matériels	3	20	15
Architecture et Programmation d'accélérateurs matériels Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Julien Jaeger et Adrien Roussel. Déroulement et organisation pratique : Cours magistraux, TP et projet. Objectifs pédagogiques visés : Contenu : Contexte • Évolution des architectures haute-performance • Augmentation du nombre de cœurs ? vers des processeurs manycore • Exemples : GPGPU NVIDIA, GPGPU AMD/ATI, MIC Intel • Utilisation de plus en plus massive dans les supercalculateurs Principe • Algorithmique pour architecture he?te?roge?ne • Étude de l’architecture et du mode?le d’exe?cution de ces architectures • Focalisation sur cartes graphiques Nvidia et Intel Knight’s Landing • Focalisation sur les GPGPUs NVIDIA et la programmation CUDA • Notions de programmation OpenACC/OpenMP 4.x • Notions de programmation multi-GPUs. Prérequis : Les bases de la programmation parallèle. Période(s) et lieu(x) d’enseignement : Période(s) : Septembre - Octobre - Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : GIF-SUR-YVETTE - ST-QUENTIN-EN-YVELINES
Donnees/Apprentissage	3	20	15
Donnees/Apprentissage Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Prof. Nicolas Vayatis, Argyris Kalogeratos. Déroulement et organisation pratique : Le cours se présente sous forme de cours magistraux, de TD/TP et de conférences. Objectifs pédagogiques visés : Contenu : Statistique en grande dimension et parcimonie Techniques réduction de dimension et apprentissage de représentations Méthodes à noyaux et réseaux de neurones Méthodes d’ensemble Synthèse du cours et étude de cas. Prérequis : Nombre max. de caracte?res : 500 Notion de probabilités et de statistiques, d’algèbre linéaire et d’analyse fonctionnelle. Bibliographie : • T.Hastie, R. Tibshirani, J. Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009. • A.J. Izenman. Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning. Springer, 2008. • K. Murphy. Machine Learning: A Probabilistic Perspective. MIT Press, 2012. Période(s) et lieu(x) d’enseignement : Période(s) : Septembre - Octobre - Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : GIF-SUR-YVETTE
Evaluation de Performances	3	20	15
Evaluation de Performances Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Soraya Zertal. Déroulement et organisation pratique : L'enseignement comprend des cours magistraux, des travaux dirigés pour certains aspects théoriques, des travaux pratiques notamment pour la génération et l'analyse des charges, les mesures de performance avec restitution de rapports et programmes et des études de cas réels issus de grands projets publiés et leurs présentations. L'évaluation du module se fait de manière continue sur l'ensemble des travaux réalisés par les étudiants tout au long des séances. Objectifs pédagogiques visés : Contenu : Objectifs pédagogiques visés : Apprentissage de l'évaluation des performances en termes d'accélération, robustesse, fiabilité et consommation d'energie, dans les différentes phases d'un système allant de la prédiction au tuning et maintenance avec étude des principaux métriques et leur interprétation. La maitrise des différentes techniques est au coeur de ce module ainsi que le contexte d'usage approprié à chacune. Plan : •Introduction : Problématique & enjeux (visions académique et industrielle) •Charges et métriques de l'évaluation de performances : génération synthétique et outils d'analyse •Techniques d'évaluation des performances ?La modélisation mathématique : files d'attente, chaines de Markov ?La simulation : Event-driven, Monte Carlo ?La mesure : Plans de test, filtrage du bruit, élimination des erreurs •Performance et consommation électrique •Outils usuels de mesures. Prérequis : Programmation Python ou C++/C, Notions de programmation shell, notions de probabiltés et de statistiques. Bibliographie : •The Art of Computer Systems Performance Analysis: Techniques for experimental design, Measurements, Simulation and Modeling. Raj Jain. Wiley Edt. •Handbook of Simulation: Principles, Methodology, Advances, Applications, and Practice. Jerry Banks. Wiley Edt. •Analysis of Queueing systems. J. A. White. Academic Press. Période(s) et lieu(x) d’enseignement : Période(s) : Septembre - Octobre - Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : ST-QUENTIN-EN-YVELINES
Introduction à la Mécanique des Milieux continus	3	20	15
Introduction à la Mécanique des Milieux continus Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Déroulement et organisation pratique : Cours magistraux, TD/TP et projet. Objectifs pédagogiques visés : Contenu : Cinématique des milieux continus (déformations) Modélisation des efforts (contraintes) Équations de conservations (masse, énergie,…) Comportement d’un matériau Écriture et résolution d’un problème de mécanique des milieux continus Applications pour les solides et les fluides Outils et méthodes pour la simulation numérique Challenges de recherche (problèmes non-linéaires, gros calculs,…). Prérequis : Calcul intégral, calcul tensoriel. Bibliographie : • M. Amestoy, Introduction à la mécanique des milieux déformables, Ecole des Mines de Paris, 1995. • A. Bertram, Elasticity and Plasticity of Large Deformations, Springer, 2005. • R.W. Ogden, Non-Linear Elastic Deformations, édition originale 1984, édition Dover, 1997. Période(s) et lieu(x) d’enseignement : Période(s) : Septembre - Octobre - Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : ST-QUENTIN-EN-YVELINES
Méthodes et Programmation Numériques Avancées	3	20	15
Méthodes et Programmation Numériques Avancées Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Nahid Emad. Déroulement et organisation pratique : L’UE est organisée sous forme de cours magistraux et des séances de TD/TP et de projets. Objectifs pédagogiques visés : Contenu : L’objectif de cette UE est de permettre aux étudiants de • Maîtriser le principe des méthodes numériques modernes, leurs adaptations à de nouvelles architectures parallèles et distribuées (massivement parallèles et fortement hiérarchiques) ainsi que leurs développements et optimisations en termes de temps d’exécution, d’espace mémoire, de précision, de communications et de consommations énergétiques. • Développer l’aspect applicatif des problèmes étudiés (simulation de phénomènes physiques, analyse des réseaux sociaux, etc.) et celui de l’analyse de données massives des problèmes étudiés (algèbre linéaire en général). Un résumé du programme de cette UE : • Méthodes itératives pour problème de grande taille • Méthodes hybrides synchrones/asynchrones • Méthodes numériques d’algèbre linéaire pour le traitement de grandes masses de données (analyse des réseaux sociaux par exemple). Prérequis : Bases du calcul matriciel et de la programmation parallèle. Bibliographie : • K. Hwang, Advanced Computer Architecture; Parallelism, Scalability, Programming, Mc Graw-Hill. • Pilippe Ciarlet, Introduction à l'analyse numérique matricielle et à l'optimisation - 5ème édition, Sciences Sup, Dunod, 2007. • J. Dongarra et Al, Solving Linear Algebra Systems on Vector and Shared Memory Computer, SIAM • G. Goloub and J. Ortega, Scientific Computing, an introduction with parallel computing, Academic Press. • Yousef Saad, Numerical Methods for Large Eigenvalue Problems - SIAM - 2011. Période(s) et lieu(x) d’enseignement : Période(s) : Septembre - Octobre - Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : GIF-SUR-YVETTE - ST-QUENTIN-EN-YVELINES
Programmation avancée des architectures multicoeurs	3	20	15
Programmation avancée des architectures multicoeurs Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Gaël Thomas. Déroulement et organisation pratique : Le cours se présente sous forme de cours magistraux, de TP. Objectifs pédagogiques visés : Contenu : Introduction Langage C Communication Mémoire Algorithmique sans verrou Mémoires transactionnelles Virtualisation logiciel. Prérequis : Algorithmique de bases, programmation. Bibliographie : • The Art Of Multiprocessor Programming. M. Herlihy, N. Shavit. Elsevier (2008) • Le noyau linux. D. P. Bovet, M. Casata, J. Cornavi Oreilly (2001) • Garbage Collection: algorithms for automatic dynamic memory management. R. Jones, R. Lins. Wiley (1996). Période(s) et lieu(x) d’enseignement : Période(s) : Septembre - Octobre - Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : ST-QUENTIN-EN-YVELINES
Séminaire HPC	1	6
Séminaire HPC ECTS : 1 Détail du volume horaire : Cours : 6 Modalités d'organisation et de suivi : Coordinateur :

Matières	ECTS	Cours	TD
Compilation Avancée	3	20	15
Compilation Avancée Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Pablo Oliveira. Déroulement et organisation pratique : Séquence 1: Introduction Séquence 2: Analyse Lexicale et Syntaxique Séquence 3: Front-End Séquence 4: Représentation Intermédiaire Séquence 5: Génération de Code Séquence 6: Optimisation. Objectifs pédagogiques visés : Contenu : L'unité d'enseignement Compilation Avancée (COA) aborde l'architecture et la conception des compilateurs dans un contexte haute performance. Les différents étages d'un compilateur sont étudiés puis mis en pratique à travers un projet de construction d'un compilateur pour le langage Tiger. Prérequis : - Programmation C++ - Architecture des ordinateurs et programmation système. Bibliographie : - Appel, Andrew W. Modern compiler implementation in C. Cambridge university press, 2004. - Ullman, Jeffrey D., and Alfred V. Aho. "Principles of compiler design." Reading: Addison Wesley (1977). - LLVM Language Reference Manual (https://llvm.org/docs/Lan. Période(s) et lieu(x) d’enseignement : Période(s) : Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : ST-QUENTIN-EN-YVELINES
Génie Logiciel pour le Calcul Scientifique et paradigme de programmation émergents	3	20	15
Génie Logiciel pour le Calcul Scientifique et paradigme de programmation émergents Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Juilien Bigot, Marc Tajchman. Déroulement et organisation pratique : Cours magistraux et projet. Objectifs pédagogiques visés : Contenu : ? Pre?sentation des concepts de ge?nie logiciel dans un cadre HPC – Me?thodes de conception d’API, UML, design patterns, ... ? Comprendre l’interaction ge?nie logiciel/performances – 2 objectifs importants, parfois contradictoires – Savoir quoi favoriser, dans quelle situation (2 niveaux dans les codes) ? Identifier outils pour combiner ces objectifs – Les « briques logicielles » existantes, bibliothe?ques, algos, ... – Les approches e?mergentes ? MPI+X, programmation par ta?ches, composants logiciels, PGAS. Prérequis : Les bases de la programmation. Période(s) et lieu(x) d’enseignement : Période(s) : Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : ST-QUENTIN-EN-YVELINES
Introduction à la modélisation du végétal	3	20	15
Introduction à la modélisation du végétal Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Jean-Michel Batto Magali Berland. Déroulement et organisation pratique : L'enseignement est organisé en cours magistraux et des travaux dirigés ainsi qu'un projet. Les etudiants sont évalués selon le mode contrôle continu tout au long des séances en mettant l'accent sur le projet. Objectifs pédagogiques visés : Contenu : Cet enseignement se situe entre la big data et la data science pour apporter une accélération à l'analyse des données. Il permet de comprendre les enjeux des données massives pour le domaine de la santé et la biologie, de connaitre les avantages et les limites des principales méthodes d'analyse des données afin de pouvoir interagir avec les data scientists via les langages R et Go enseignés. Plan : •Programmation productive avec le langage Go •Introduction à l'exploration des données avec le langage R et passage à l'échelle volumétrique •Classification, Prédictions, validation de modèles. Prérequis : Notions de programmation. Notions de biologie et génomique. Notions de statistiques. Bibliographie : •The Go Programming Language. Alan A. A. Donovan. Addison-Wesley Professional publishing series. •Learning R. Richard Cotton. O'Reilly Edt. Période(s) et lieu(x) d’enseignement : Période(s) : Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : VERSAILLES

Le semestre 2 est composé du reste des UEs d'option B2 et du stage de fin d'étude.

Matières	ECTS	Cours	TD
Architecture et optimisation de codes pour microprocesseur haute performance	3	20	15
Architecture et optimisation de codes pour microprocesseur haute performance Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Jean-Thomas Acquaviva, Emmanuel Oseret (UVSQ), Antoine Capra (ATOS). Déroulement et organisation pratique : L'enseignement est organisé en cours magistraux et des travaux dirigés ainsi qu'un projet. Les étudiants sont évalués selon le mode contrôle continu tout au long des séances en mettant l'accent sur le projet. Objectifs pédagogiques visés : Contenu : Maitrise des optimisations architecturales Architecture et micro-architecture Strate?gie d’optimisation de code Mise en pratique dans un projet de développement •Processeur et noeud (mémoire) •Réseau d'interconnexion •Stockage. Prérequis : Connaissance en architecture des ordinateurs et en compilation. Programmation C et/ou Python. Bibliographie : Optimizing Supercompilers for Supercomputers, Michael Joseph Wolfe, MIT Press Cambridge. Période(s) et lieu(x) d’enseignement : Période(s) : Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : ST-QUENTIN-EN-YVELINES
Introduction à la simulation moléculaire	3	20	15
Introduction à la simulation moléculaire Langues d’enseignement : FR ECTS : 3 Détail du volume horaire : Cours : 20 Travaux dirigés : 15 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Michel Masella. Objectifs pédagogiques visés : Contenu : L'objectif est de comprendre la simulation microscopique permettant d’observer directement un syste?me microscopique a? l’e?chelle atomique ou mole?culaire. Nous analysons les donne?es issues de simulations microscopiques (ou de ve?ritables expe?riences) devant obe?ir aux lois de la physique statistique (en particulier distributions de Boltzman). Prérequis : Les notions de bases de la simulation moléculaire. Période(s) et lieu(x) d’enseignement : Période(s) : Novembre - Décembre - Janvier - Février - Mars. Lieu(x) : ST-QUENTIN-EN-YVELINES

Matières	ECTS	Cours	TD	TP	Cours-TD	Cours-TP	TD-TP	A distance	Projet	Tutorat
Stage	24	0	0							2
Stage Langues d’enseignement : FR/AN Intitulé de l’UE en anglais : Internship ECTS : 24 Détail du volume horaire : Cours : 0 Travaux dirigés : 0 Tutorat (dont suivi de stage) : 2 Modalités d'organisation et de suivi : Coordinateur : Equipe pédagogique : Soraya Zertal et Jean-Michel Batto. Déroulement et organisation pratique : Travail en entreprise ou en laboratoire de recherche. Objectifs pédagogiques visés : Contenu : Stage de fin d'étude du master. Période(s) et lieu(x) d’enseignement : Période(s) : Aout - Septembre - Mars - Avril - Mai - Juin - Juillet. Lieu(x) : Les lieux de stage

Modalités de candidatures

Période(s) de candidatures pour la plateforme INCEPTION

Du 15/05/2024 au 15/07/2024

Pièces justificatives obligatoires pour la plateforme INCEPTION

Copie pièce d'identité.
Lettre de motivation.
Tous les relevés de notes des années/semestres validés depuis le BAC à la date de la candidature.
Curriculum Vitae.
Descriptif détaillé et volume horaire des enseignements suivis depuis le début du cursus universitaire.

Pièces justificatives facultatives pour la plateforme INCEPTION

Attestation de français (obligatoire pour les non francophones).
Dossier VAPP (obligatoire pour toutes les personnes demandant une validation des acquis pour accéder à la formation) https://www.universite-paris-saclay.fr/formation/formation-continue/validation-des-acquis-de-lexperience.
Fiche de choix de M2 (obligatoire pour les candidats inscrits en M1 à l'Université Paris-Saclay) à télécharger sur https://urlz.fr/i3Lo.
Document justificatif des candidats exilés ayant un statut de réfugié, protection subsidiaire ou protection temporaire en France ou à l’étranger (facultatif mais recommandé, un seul document à fournir) :
- Carte de séjour mention réfugié du pays du premier asile
- OU récépissé mention réfugié du pays du premier asile
- OU document du Haut Commissariat des Nations unies pour les réfugiés reconnaissant le statut de réfugié
- OU récépissé mention réfugié délivré en France
- OU carte de séjour avec mention réfugié délivré en France
- OU document faisant état du statut de bénéficiaire de la protection subsidiaire en France ou à l’étranger.

Contact(s)

Responsable(s) de la formation

Soraya Zertal - soraya.zertal@uvsq.fr

Secrétariat pédagogique

Patricia BENOIT - Patricia.benoit@uvsq.fr