Optimisation parallèle chaotique basée sur la décomposition fractale: Application à l’optimisation des réseaux de neurones profonds pour la prédiction de le consommation et la production d’énergie
Porteurs du projet
- Rachid Ellaia, Ecole Mohammadia d’Ingénieurs, Rabat – Maroc
- El-Ghazali Talbi, Equipe Inria BONUS / Centre Inria Lille – Nord-Europe
Résumé
Omniprésente dans d’innombrables applications scientifiques et industriels modernes, l’optimisation à très grande échelle nécessite la résolution de modèles de plus en plus grands afin de traiter un nombre croissant de paramètres, de variables de décision mixtes (continues, discrètes) et de multiples fonctions objectifs coûteuses. Combler le fossé entre l’intelligence artificielle, le calcul parallèle et l’optimisation à grande échelle est un défi important pour la prochaine décennie dans la résolution de problèmes complexes en sciences et industries. Le but de ce projet est de proposer des algorithmes innovants, basés conjointement sur la décomposition fractale à toute échelle et les approches d’optimisation chaotique. Ces algorithmes sont intrinsèquement parallèles et peuvent être conçus et mis en œuvre de façon efficace sur des supercalculateurs Exascale hétérogènes, comprenant des millions de cœurs CPU/GPU (Graphics Processing Units). La convergence entre les fractales, le chaos, et le calcul massivement parallèle représentera un nouveau paradigme pour la résolution de problèmes d’optimisation complexes. Du point de vue validation sur des applications réelles, nous ciblons les problèmes de conception automatique de réseaux de neurones profonds, et la gestion de l’énergie dans les réseaux électriques. Cette famille de problèmes d’optimisation à grande échelle a un grand impact environnemental, sociétal et économique.
Mots clés : Décomposition fractale, Optimisation parallèle exascale, Optimisation chaotique, Conception automatique de réseaux de neurones profonds, Gestion de l’énergie électrique
Site web : en construction
