Soutenance de thèse de Leodasce SEWANOU sous la direction de Benoît COMMERCON et la codirection de Guillaume LAIBE
Résumé de la thèse
Les phénomènes astrophysiques mettent en jeu une grande variété de processus physiques en interaction et couvrent de nombreux ordres de grandeur en espace et en temps. La complexité des équations qui les gouvernent empêche généralement leur résolution analytique, faisant de la simulation numérique un outil essentiel pour étudier la formation et l'évolution des systèmes astrophysiques. Parallèlement, l'émergence des supercalculateurs exascales, fondés sur des architectures hétérogènes combinant processeurs (CPU) et accélérateurs graphiques (GPU), offre des capacités de calcul sans précédent tout en imposant une adaptation profonde des algorithmes numériques et des logiciels de simulation.
Cette thèse s'inscrit à l'interface entre l'astrophysique numérique et le calcul haute performance. Son objectif est de développer des méthodes numériques et des solutions logicielles pour la simulation de systèmes gaz-poussières auto-gravitants sur des architectures hétérogènes modernes.
La première partie de ce travail présente une nouvelle méthode numérique permettant de traiter de manière précise et efficace les échanges de quantité de mouvement entre les phases gazeuse et poussiéreuse. Cette méthode est implémentée dans les codes de simulation multi-GPU Dyablo et Shamrock, qui reposent sur des approches différentes de portabilité des performances. Les expériences numériques montrent une amélioration significative de la précision par rapport aux méthodes existantes tout en conservant un coût de calcul raisonnable.
La deuxième partie est consacrée au raffinement de maillage adaptatif (AMR), une technique permettant d'augmenter dynamiquement la résolution dans les régions d'intérêt. Plusieurs améliorations des capacités AMR de Shamrock sont développées et validées à l'aide d'une série de tests numériques.
La troisième partie traite de l'auto-gravité à travers l'implémentation de solveurs itératifs de l'équation de Poisson, notamment les méthodes du gradient conjugué préconditionné et du bi-gradient conjugué. Les modules gaz-poussières, AMR et auto-gravité sont ensuite couplés afin de réaliser des simulations de l'effondrement gravitationnel de nuages moléculaires denses conduisant à la formation d'étoiles.
En parallèle, une mini-application dédiée aux méthodes multigrilles géométriques est développée pour le solveurs de Poisson et méthodes elliptiques en général. Les enseignements tirés de ce travail fournissent des pistes pour une future intégration des méthodes multigrilles dans Shamrock et permettent d'anticiper les défis algorithmiques et de performance.
Modeling interstellar dust dynamics in the exascale era
Astrophysical phenomena involve a wide range of interacting physical processes and span many orders of magnitude in both space and time. The complexity of the governing equations generally prevents analytical solutions, making numerical simulations an essential tool for studying the formation and evolution of astrophysical systems. At the same time, the emergence of exascale supercomputers, based on heterogeneous architectures combining CPUs and GPU accelerators, offers unprecedented computational capabilities while requiring substantial adaptations of numerical algorithms and simulation software.
This thesis lies at the intersection of computational astrophysics and high-performance computing. Its objective is to develop numerical methods and scalable software solutions for the simulation of self-gravitating gas-dust systems on modern heterogeneous architectures.
The first part of this work introduces a new numerical method for accurately and efficiently treating the momentum exchange between gas and dust phases. The method is implemented in the multi-GPU simulation codes Dyablo and Shamrock, which rely on different performance-portability approaches. Numerical experiments demonstrate improved accuracy compared with existing methods while maintaining a reasonable computational cost.
The second part focuses on adaptive mesh refinement (AMR), a technique that dynamically increases resolution in regions of interest. Several improvements to the AMR capabilities of Shamrock are developed and validated through a series of numerical tests.
The third part addresses self-gravity through the implementation of iterative Poisson solvers, including preconditioned conjugate-gradient and bi-conjugate-gradient methods. The gas-dust, AMR, and self-gravity modules are then coupled to perform simulations of the gravitational collapse of dense molecular clouds leading to star formation.
In parallel, a dedicated mini-application for geometric multigrid methods is developed to investigate scalable Poisson solvers for future exascale architectures. The insights obtained provide guidance for future multigrid integration within Shamrock and help anticipate algorithmic and performance challenges.
Gratuit
Mots clés
Disciplines