Stage Accélération d’algorithmes deradioastronomie sur GPU

Accélération d’algorithmes deradioastronomie sur GPU

Date limite de candidature : 28/02/2022
Date de début : 01/04/2022
Date de fin : 30/09/2022

Pôle : Signaux et statistiques
Type de poste : Stage
Contact : Nicolas GAC (nicolas.gac@l2s.centralesupelec.fr)

Télécharger
la fiche


Accélération d’algorithmes deradioastronomie sur GPU
stage de M2 avec possibilité de poursuite en thèse

 


Location : Laboratoire L2S, CentraleSupélec, Gif-sur-yvette (91140)
Period : 6 months in spring 2022
Gross salary : approximately 600 emonthly
Application : A National Security clearance is needed, and it can require approximately 2 months.
Contacts L2S : nicolas.gac@l2s.centralesupelec.fr    https://l2s.centralesupelec.fr/u/gac-nicolas
francois.orieux@l2s.centralesupelec.fr        nicolas.monnier@l2s.centralesupelec.fr


Mots Clefs : Calcul parallèle, GPU, radioastronomie, gridding


Le très grand radiotelescope SKA [GPI-2021] va générer dès 2024 une quantité massive de données (10 Tb/s)
impossible à stocker qui impose un traitement en temps réel. Le défi à relever est de générer des images multi-
dimensionnelles du ciel avec un gain en sensibilité d’un ordre de magnitude à partir du flux de données brutes
provenant des milliers d’antennes. Sur toute la chaîne de traitement, une démarche d’Adéquation Algorithme Ar-
chitecture devra donc être mise en œuvre pour respecter les contraintes de débit, coût et précision de calcul, ainsi
que de consommation énergétique. Dans le cadre du projet ANR Dark-era (2021-25) [Dark-era-2021]et ExaSKA
(2019-22), le L2S en collaboration avec l’IETR, l’IRISA, les observatoires de Paris et de la Côte d’Azur et Atos
Bull explore la mise en œuvre des méthodes nouvelles d’imagerie et de calibration en apportant son expertise
en résolution de problème inverse accéléré sur GPU et FPGA. Les travaux du stagiaire avec des perspectives de
poursuite en thèse s’inscriront dans cette dynamique de recherche du Groupe Problème Inverse (GPI).


Un des plus gros coût calculatoire de la chaine de traitement est lié à l’interpolation des données sur une grille
de pixel (gridding) et à l’estimation des données à partir d’un modèle (degridding). Les processeurs many cores de
type GPUs (Graphic Processing Units) sont à l’heure actuelle la cible technologique privilégiée afin d’obtenir des
facteurs d’accélération d’un ou deux ordres de magnitude. Plusieurs parallélisations de ces algorithmes adaptées à
cette architecture de calcul ont ainsi déjà été proposées [Merry-2016,Astron-2020]. Les travaux de thèse en cours
de Nicolas Monnier (L2S/Obs Paris/atos Bull) visent à proposer une reformulation des calculs afin d’en réduire
le coût grâce à un opérateur ciel vers ciel évitant la lecture et écriture de vecteurs de visibilité. L’objectif de ce
stage sera de proposer et de mettre en oeuvre une parallélisation GPU de cet algorithme alternatif à l’état de
l’art qui potentiellement pourra se montrer plus adapté à cette architecture de calcul.


Le candidat en Master 2 aura des compétences en programmation parallèle de type Cuda/OpenCL ainsi
qu’une connaissance générale des architectures usuelles (CPU, GPU, FPGA). Un bon niveau de connaissance en
traitement du signal et des images sera tout particulièrement appréciées.


[GPI-2021]Fête de la science www.centralesupelec.fr/fr/radiostronomie-la-decouverte-du-projet-ska-square-kilometre-array
[Dark-era-2021]Projet ANR Dark-era https://dark-era.pages.centralesupelec.fr
[Astron-2020]B. Veenboer and J.W. Romein, Radio-astronomical imaging on GPU. Astr. Comput. (2020).
[Merry-2016]B. Merry, Faster GPU-based convolutional gridding via thread coarsening, Astr. Comput. (2016)