Description du projet
Comprendre les limites de l’inexactitude pourrait mener à des algorithmes plus efficaces pour l’échelle exaflopique
Les calculs matriciels sont courants dans de nombreux domaines. Nous nous préparons à entrer dans l’ère du calcul exaflopique (et des matrices de taille exaflopique) qui nécessitera des charges de travail presque insondables. Un moyen courant de réduire cette charge de travail consiste à introduire des calculs matriciels inexacts ou approximatifs. Toutefois, pour s’assurer que l’inexactitude découlant de sources multiples et se propageant à travers les calculs matriciels exaflopiques n’obscurcisse pas les conclusions que nous tirons des résultats, nous devons adopter une approche systématique pour analyser les sources multiples d’inexactitude ensemble et étudier leur interaction. Financé par le Conseil européen de la recherche, le projet inEXASCALE examinera de manière rigoureuse la combinaison d’erreurs provenant de sources multiples et évaluera leur effet sur le comportement numérique et la qualité des solutions dans les calculs matriciels. Ces travaux pourraient mener à de nouveaux algorithmes pour les problèmes exaflopiques qui exploitent l’inexactitude pour équilibrer les performances et la précision.
Objectif
Scientific computing inherently involves multiple sources of inexactness, from discretization or simplification of the problem, to noisy data, to finite precision rounding errors, to approximations made to increase parallelism, to stopping computations intentionally to improve efficiency. The standard state-of-the-art approach is to analyze different sources of error separately. There is currently no solid foundation or systematic approach for combining multiple sources of inexactness together and studying their interaction. Developing reliable approaches for exascale requires filling this gap, which must start with establishing a new rigorous foundation for analyzing multiple sources of error in matrix computations. Without this basis, the quest for efficiency in areas vitally depending on matrix computations, including, for example, data science and machine learning, will remain reliant on a trial-and-error approach.
This project aims to break the current modular approach to the analysis and design of algorithms for matrix computations by understanding how different sources of inexactness interact while being propagated through a computation and their effect on numerical behavior and solution quality. Our holistic approach, rooted in rigorous theoretical analysis, will reveal opportunities for developing new algorithms for exascale problems that exploit inexactness to balance performance and accuracy.
The project is structured around four fundamental objectives:
WP1: Analysis of exascale matrix computations subject to multiple sources of inexactness
WP2: Development of new algorithms that exploit inexactness that are both fast and provably accurate
WP3: Making error analysis of exascale computations meaningful in practice
WP4: Exploring emerging sources of inexactness beyond the exascale era
Our approach will lead to new methodologies that can change current paradigms.
Champ scientifique
Mots‑clés
Programme(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thème(s)
Régime de financement
HORIZON-ERC - HORIZON ERC GrantsInstitution d’accueil
116 36 Praha 1
Tchéquie