Utilisation innovante des GPU

Les objectifs

1. Réaliser le portage complet du code existant sur GPU, en mettant l'accent sur les solveurs linéaires et les algorithmes de reconstruction de gradients.
2. Démontrer la faisabilité et l'intérêt de l'utilisation d'OpenMP offload pour la portabilité et les performances, dans un contexte de calcul intensif.
3. Effectuer le portage sur GPU de plusieurs algorithmes à travers différentes technologies telles que CUDA et OpenMP offload, pour garantir une utilisation efficace des ressources matérielles.
4. Benchmarker le gain de performance obtenu grâce au portage sur GPU par rapport à l'implémentation multi-cœurs CPU, afin de valider l'efficacité des solutions proposées.

Les réalisations et résultats

1. Réalisation de PoCs sur la gestion des pointeurs partagés pour la mémoire unifiée du GPU, démontrant des améliorations significatives de performance et une gestion optimisée des ressources.
2. Développement d'un second PoC sur le dispatching CPU/GPU pour une utilisation transparente de ces architectures, facilitant ainsi l'intégration des solutions proposées dans l'infrastructure existante.
3. Portage et optimisation de plusieurs opérateurs du solveur linéaire sur GPU via CUDA et OpenMP offload, avec un accent particulier sur la maintenabilité et la portabilité du code.
4. Obtention d'un gain de performance conséquent comparé à l'implémentation multi-cœurs CPU, validant ainsi l'efficacité des solutions proposées et ouvrant la voie à de nouvelles possibilités d'optimisation.

Cette référence détaillée offre un aperçu complet de notre collaboration avec EDF et des résultats concrets obtenus grâce à notre expertise en HPC et en optimisation GPU.