{"id":3545,"date":"2022-03-22T15:32:23","date_gmt":"2022-03-22T14:32:23","guid":{"rendered":"https:\/\/lirima.inria.fr\/?page_id=3545"},"modified":"2022-03-22T15:32:23","modified_gmt":"2022-03-22T14:32:23","slug":"anyscale","status":"publish","type":"page","link":"https:\/\/lirima.inria.fr\/fr\/anyscale\/","title":{"rendered":"ANYSCALE"},"content":{"rendered":"<h4 style=\"text-align: left;\"><strong>Optimisation parall\u00e8le chaotique bas\u00e9e sur la d\u00e9composition fractale: Application \u00e0 l&rsquo;optimisation des r\u00e9seaux de neurones profonds pour la pr\u00e9diction de le consommation et la production d&rsquo;\u00e9nergie<\/strong><\/h4>\n<p>&nbsp;<\/p>\n<p style=\"text-align: left;\"><span style=\"color: #ff0000;\"><strong><span style=\"font-size: large;\">Porteurs du projet<\/span><\/strong><\/span><\/p>\n<ul>\n<li>Rachid Ellaia, Ecole Mohammadia d&rsquo;Ing\u00e9nieurs, Rabat &#8211; Maroc<\/li>\n<li>El-Ghazali Talbi, Equipe Inria BONUS \/ Centre Inria Lille &#8211; Nord-Europe<\/li>\n<\/ul>\n<p style=\"text-align: left;\"><span style=\"color: #ff0000;\"><strong><span style=\"font-size: large;\">R\u00e9sum\u00e9<\/span><\/strong><\/span><\/p>\n<p style=\"text-align: left;\">Omnipr\u00e9sente dans d&rsquo;innombrables applications scientifiques et industriels modernes, l\u2019optimisation \u00e0 tr\u00e8s grande \u00e9chelle n\u00e9cessite la r\u00e9solution de mod\u00e8les de plus en plus grands afin de traiter un nombre croissant de param\u00e8tres, de variables de d\u00e9cision mixtes (continues, discr\u00e8tes) et de multiples fonctions objectifs co\u00fbteuses. Combler le foss\u00e9 entre l\u2019intelligence artificielle, le calcul parall\u00e8le et l\u2019optimisation \u00e0 grande \u00e9chelle est un d\u00e9fi important pour la prochaine d\u00e9cennie dans la r\u00e9solution de probl\u00e8mes complexes en sciences et industries. Le but de ce projet est de proposer des algorithmes innovants, bas\u00e9s conjointement sur la d\u00e9composition fractale \u00e0 toute \u00e9chelle et les approches d\u2019optimisation chaotique. Ces algorithmes sont intrins\u00e8quement parall\u00e8les et peuvent \u00eatre con\u00e7us et mis en \u0153uvre de fa\u00e7on efficace sur des supercalculateurs Exascale h\u00e9t\u00e9rog\u00e8nes, comprenant des millions de c\u0153urs CPU\/GPU (Graphics Processing Units). La convergence entre les fractales, le chaos, et le calcul massivement parall\u00e8le repr\u00e9sentera un nouveau paradigme pour la r\u00e9solution de probl\u00e8mes d\u2019optimisation complexes. Du point de vue validation sur des applications r\u00e9elles, nous ciblons les probl\u00e8mes de conception automatique de r\u00e9seaux de neurones profonds, et la gestion de l\u2019\u00e9nergie dans les r\u00e9seaux \u00e9lectriques. Cette famille de probl\u00e8mes d\u2019optimisation \u00e0 grande \u00e9chelle a un grand impact environnemental, soci\u00e9tal et \u00e9conomique.<\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #ff0000;\"><strong><span style=\"font-size: large;\">Mots cl\u00e9s <\/span><\/strong><\/span> : D\u00e9composition fractale, Optimisation parall\u00e8le exascale, Optimisation chaotique, Conception automatique de r\u00e9seaux de neurones profonds, Gestion de l&rsquo;\u00e9nergie \u00e9lectrique<span style=\"color: #ff0000;\"><strong><span style=\"font-size: large;\"><br \/>\n<\/span><\/strong><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #ff0000;\"><strong><span style=\"font-size: large;\">Site web<\/span><\/strong><\/span><span style=\"font-size: medium;\"> : en construction<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Optimisation parall\u00e8le chaotique bas\u00e9e sur la d\u00e9composition fractale: Application \u00e0 l&rsquo;optimisation des r\u00e9seaux de neurones profonds pour la pr\u00e9diction de le consommation et la production d&rsquo;\u00e9nergie &nbsp; Porteurs du projet Rachid Ellaia, Ecole Mohammadia d&rsquo;Ing\u00e9nieurs, Rabat &#8211; Maroc El-Ghazali Talbi,\u2026<\/p>\n<p> <a class=\"continue-reading-link\" href=\"https:\/\/lirima.inria.fr\/fr\/anyscale\/\"><span>Continue reading<\/span><i class=\"crycon-right-dir\"><\/i><\/a> <\/p>\n","protected":false},"author":309,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-3545","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/lirima.inria.fr\/fr\/wp-json\/wp\/v2\/pages\/3545","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lirima.inria.fr\/fr\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/lirima.inria.fr\/fr\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/lirima.inria.fr\/fr\/wp-json\/wp\/v2\/users\/309"}],"replies":[{"embeddable":true,"href":"https:\/\/lirima.inria.fr\/fr\/wp-json\/wp\/v2\/comments?post=3545"}],"version-history":[{"count":1,"href":"https:\/\/lirima.inria.fr\/fr\/wp-json\/wp\/v2\/pages\/3545\/revisions"}],"predecessor-version":[{"id":3546,"href":"https:\/\/lirima.inria.fr\/fr\/wp-json\/wp\/v2\/pages\/3545\/revisions\/3546"}],"wp:attachment":[{"href":"https:\/\/lirima.inria.fr\/fr\/wp-json\/wp\/v2\/media?parent=3545"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}