IFP Energies Nouvelles propose une thèse innovante au croisement de l’intelligence artificielle (IA) et du calcul haute performance (HPC). Ce projet vise à développer des moteurs d’inférence basés sur l’infrastructure MLIR (Multi-Level Intermediate Representation) pour optimiser les performances des algorithmes IA nécessitant des calculs de gradients précis, une gestion multi-précision et une exécution efficace sur des architectures hétérogènes (CPU, GPU, FPGA, ARM, RISC-V, SiPearl).
Le doctorant travaillera sur des problématiques clés telles que l’optimisation des calculs non linéaires avec une latence réduite, une précision accrue, des performances accrues grâce à la multi-précision. Il proposera des mécanismes pour gérer l’interopérabilité entre modèles IA et solveurs numériques dans des environnements industriels exigeants, comme la modélisation du sous-sol.
Le candidat intégrera une équipe multidisciplinaire et contribuera à des avancées technologiques majeures pour l’industrie énergétique. Ce projet permettra d’exploiter pleinement les architectures matérielles modernes et d’optimiser la chaîne de compilation avec MLIR.
Mots clefs: Generative Programming, Compilation, Machine-Learning, Deep-Learning, CFD, HPC
