Recherche thématique : NUMÉRIQUE

Le défi

Mieux tirer parti de la révolution numérique pour l’analyse des données et la modélisation physique.

Aperçu

L’objectif est de mieux comprendre la formation des planètes en s’appuyant sur la révolution numérique. Le projet Origins repoussera les limites de notre compréhension sur l’évolution des disques protoplanétaires et améliorera notre capacité de recherche d’exoplanètes par imagerie directe en s’appuyant sur les développements de l’Exascale et de l’intelligence artificielle

Objectifs
scientifiques

Les enjeux

La révolution Exascale marque une avancée majeure dans le domaine informatique avec l’émergence de nouvelles machines ultra-performantes, portée par des enjeux internationaux économiques, de cybersécurité et de recherche scientifique (calcul haute performance, intelligence artificielle). Ces super-calculateurs, capables d’effectuer un quintillion d’opérations à virgule flottante par seconde, repoussent les limites de la puissance de calcul grâce à leur architecture matérielle qui associe les processeurs centraux (CPUs) et les processeurs graphiques (GPUs). Cette combinaison permet d’optimiser à la fois les performances et les impacts environnementaux, en réduisant la consommation d’énergie et les émissions de carbone. Nous devons développer les algorithmes capables d’exploiter pleinement ces nouvelles architectures et former une nouvelle génération de scientifique aguerrie à ces nouvelles technologies. L’enjeu du Le PEPR ORIGINS est de faire évoluer nos outils numériques avec la communauté scientifique vers l’Exascale et l’intelligence artificielle.

Le cadre scientifique

La planétologie théorique moderne repose sur les simulations numériques magnétohydrodynamiques multi-échelles et multi-physiques, essentielles pour comprendre la formation des étoiles et de leur disques,  berceaux de la formation planétaire. Nous allons développer dans les codes à visée Exascale DYABLO, IDEFIX et SHAMROCK des modules physiques innovants pour traiter l’évolution des fluides magnétisés, l’interaction entre différents fluides et d’y inclure des traceurs lagrangiens. La planétologie observationnelle moderne repose elle sur l’intelligence artificielle  pour le contrôle en temps réel de l’optique adaptative, l’analyse d’images hyper-spectrales et l’analyse des donnés multi-variées. Nous allons développer des méthodes innovantes d’Intelligence Artificielle capables de faire face automatiquement à la diversité de très grands volumes de données et aux modifications des conditions d’acquisition avec des gains substantiels à la clé.

Les futurs instruments 

Modéliser les processus de formation des exoplanètes et les observer nécessite des sauts technologiques aux niveau des méthodes numériques employées.  Le premier projet développera un code MHD complet avec tous les modules de physique réaliste, adapté pour fonctionner sur le nouvel environnement Exascale GPU/CPU ; le second projet développera des méthodes d’intelligence artificielles non supervisées pour l’analyse de données bruitées, notamment pour détecter des exoplanètes dans des images hyper-spectrales. Les deux derniers projets développeront des algorithmes non supervisés pour le contrôle en temps réel de l’optique adaptative nécessaire à ces détections et pour l’ordonnancement des observations en tenant compte des priorités scientifiques et des contraintes de qualité du ciel.