L’approche philosophique des machines exaflopiques

Passer à horizon 2020-2022 d’une puissance de calcul actuelle de quelques pétaflops, voire quelques dizaines de pétaflops pour la machine la plus puissante, Tianhe-2 de la National University of Defense Technology chinoise est en tête du classement Top500 avec 33,86 pétaflops, à des machines exaflopiques (1 000 pétaflops), sera une véritable révolution.

D’une part le ratio puissance électrique consommée sur puissance de calcul va être divisé par un facteur 50, puisque chacune d’entre-elles ne devrait consommer “que” 20 MW. D’autre part le passage d’une technologie de gravure actuellement à 25 nm vers du 4 nm pour les processeurs, va imposer une réduction de la taille mémoire liée à chaque processeur. Ainsi si le nombre de cœurs est multiplié par 100 la taille de la mémoire ne sera multipliée “que” par 10. Ce qui va avoir un impact très important sur la programmation des algorithmes qui font actuellement appel à beaucoup de calcul en mémoire.

Et ce ne sera pas sans poser aussi des vrais problèmes de résilience des applications. « Sur une machine d’un million de cœurs, on peut estimer qu’il y en aura 4 à 5 % en panne en même temps, soit 40 à 50 000 cœurs, alors que l’on utilise actuellement des machines de 10 000 cœurs ! Il va donc falloir imaginer des algorithmes de gestion et de reprise de calculs, auscultant en temps réel l’état de la configuration matérielle et réaffectant les chemins de calcul », estime Philippe Ricoux, en charge de la simulation numérique à la direction Scientifique de Total.

Des questions philosophiques

Cela suppose aussi qu’il faille s’habituer à ce que les résultats ne soient pas reproductibles, car on ne sera pas passé exactement par le même chemin à chaque fois !

Cela devient un problème philosophique : qu’est-ce qu’un résultat juste ? Parmi les différents résultats obtenus, lequel est le bon ? Avec à la clé de nombreuses de questions : Comment gère-t-on ces incertitudes ? Comment force-t-on les passages ? Comment reprend-t-on le calcul ? Quel est l’ensemble des résultats qui sont acceptables ?

En termes même d’applications, on arrive aussi à ce qui ressemble à un paradoxe. Nombre de phénomènes physiques sont dépendants du temps (les écoulements, les cinétiques chimiques, etc.). Pour exploiter correctement ces machines massivement parallèles, il va donc falloir paralléliser le temps ! Cela parait incongru, mais il va pourtant falloir y arriver !

« Il va donc falloir arriver à faire des approximations qui soient acceptables en termes de physique et qui soient hyper intelligentes en termes d’analyse numérique », conclut Philippe Ricoux.

Il reste donc encore beaucoup de travail d’ici 2020-2022, mais les experts restent confiants !

Jean-François Prevéraud

Pour en savoir plus : http://www.exascale-computing.eu