Voir la source de Supercalculateur exaflopique

[[Fichier:Summit (supercomputer).jpg|vignette|redresse=1.5|Supercalculateur [[Summit (superordinateur)|Summit]] (ou OLCF-4) développé par [[IBM]] pour une utilisation au [[Oak Ridge National Laboratory]]. Puissance : {{nb|122.3 pétaflops}}, nombre de [[Nœud (réseau)|nœuds]] : {{formatnum:4356}}.]]

Les '''supercalculateurs exaflopiques'''{{refnec}} (''Exascale computing'' en anglais) sont des [[ordinateur]]s de type [[supercalculateur]] fonctionnant selon une architecture [[massivement parallèle]] et dont la [[puissance de calcul]] dépasse {{nb|e18 [[flops]]}}. La machine décompose les tâches à effectuer en millions de sous-tâches, dont chacune d'entre elles est ensuite réalisée de manière simultanée par un [[processeur]].

Une course à la puissance est en cours avec des programmes aux États-Unis, en Europe, en Chine et au Japon. Depuis le classement du top 500 de juin 2022, une machine ''Exascale'' est référencée<ref>{{Lien web |titre=June 2022 {{!}} TOP500 |url=https://www.top500.org/lists/top500/2022/06/ |site=www.top500.org |consulté le=2023-02-18}}</ref>. Il s'agit de la machine ''Frontier'' équipée de plus de 8 millions de cœurs de calcul.

Les missions du supercalculateur exaflopique seront orientées vers la recherche.

== Supercalculateurs exaflopiques ==
{{Article principal | Supercalculateur}}

=== Définition ===
Les [[supercalculateur]]s exaflopiques (''Exascale computing'') sont des superordinateurs (''High-Performance Computing ou HPC'') qui ont une puissance de calcul de l'ordre de {{nb|e18 [[flops]]}} (un exaflop = un milliard de milliards d’opérations en [[virgule flottante]] par seconde)<ref name="Messina_2017_1">{{harvsp|Messina|2017|p=1|id=Messina2017}}</ref>{{,}}<ref name="Grant2016_1">{{harvsp|Grant|2016|p=1|id=Grant2016}}</ref>{{,}}<ref name="Rigo2017_486">{{harvsp|Rigo|2017|p=486|id=Rigo2017}}</ref>.
Ces machines sont une collection de [[microprocesseur]]s fortement connectés entre eux, dont chacun d'eux se caractérise par une [[fréquence d’horloge]] élevée et se compose de plusieurs cœurs de calcul. Pour concevoir des superordinateurs très performants, les constructeurs jouent simultanément sur le nombre de microprocesseurs, le nombre de cœurs, la fréquence d’horloge et l'association des [[processeurs graphiques]]<ref name="Diouri2012_4">{{harvsp|Diouri|2012|p=4|id=Diouri2012}}</ref>.
L'idée fondamentale derrière le HPC est le calcul en [[Parallélisme (informatique)|parallèle]] qui consiste à distribuer plusieurs segments d’une équation complexe sur plusieurs [[processeur]]s afin de les calculer simultanément<ref name="Ashraf2018_1">{{harvsp|Ashraf|2018|p=1|id=Ashraf2018}}</ref>. Un supercalculateur se compose de milliers de nœuds, un nœud étant la brique de base constituée d'un assemblage de plusieurs microprocesseurs<ref name="Duro2017_511">{{harvsp|Duro|2017|p=511|id=Duro2017}}</ref>.
Une capacité élevée de calcul nécessite un espace de [[Stockage d'information|stockage]] en conséquence qui atteint plusieurs pétaoctets (dix pétaoctets sur [[Summit (superordinateur)|Summit]] d'[[IBM]] par exemple). En plus de la vitesse de pointe, ils doivent disposer aussi d'un environnement [[logiciel]] qui facilite son utilisation efficace et productive<ref name="Messina_2017_1" />.

Les coûts de [[recherche et développement]] pour créer un [[système informatique]] exaflopique ont été estimés par de nombreux experts à plus d'un milliard de dollars américains, avec un [[coût d'exploitation]] annuel de plusieurs dizaines de millions de dollars<ref name="Reed_2015_60">{{harvsp|Reed|2015|p=60|id=Reed2015}}</ref>.

Les deux applications principales des supercalculateurs sont le [[Calcul intensif|Calcul Haute Performance]] (''CHP, High Performance Computing'' en anglais), et l’[[analyse des données]] complexes. Initialement, l'utilisation des supercalculateurs était limitée à certaines applications particulières telles que les [[Simulation informatique|simulations]] simples, l'[[ingénierie]], le pétrole et le gaz en raison du coût énorme des systèmes HPC<ref name="Ashraf2018_1" />. Puis elle s'est élargie dans divers domaines tels que l'exploration de données, les recherches sur le climat, la santé, l'[[automobile]], la [[physique]], l'[[astrophysique]], la [[mécanique des fluides numérique]] ou encore la [[nanotechnologie]] moléculaire. Ces futurs moyens permettront de réaliser des découvertes à travers un large spectre de domaines scientifiques afin d'aider à améliorer notre compréhension du monde où nous vivons<ref name="Messina_2017_1" />{{,}}<ref name="Reed_2015_56_57">{{harvsp|Reed|2015|p=56-57|id=Reed2015}}</ref>{{,}}<ref name="Ashraf2018_3">{{harvsp|Ashraf|2018|p=3|id=Ashraf2018}}</ref>.

=== Enjeux ===
Les progrès dans la compréhension de certains problèmes scientifiques sont souvent associés à l'évolution des [[informatique]]s. Des capacités supérieures aux systèmes petascale aideront les scientifiques à concevoir des modèles et exécuter des simulations de problèmes complexes. La [[simulation numérique]] est une démarche essentielle de la recherche scientifique en complément de la théorie et de l’expérimentation<ref name="Rigo2017_486" />. Elle est aussi une partie prenante des cycles de conception et de production dans de nombreuses filières industrielles<ref name="Fuller_2011_31">{{harvsp|Fuller|2011|p=31|id=Fuller2011}}</ref>.
Ces machines permettent une conception et une optimisation multidisciplinaires, réduisant le temps et les coûts de [[prototypage]]<ref name="Rigo2017_486" />.

Les leaders comme les États-Unis, la Chine, l'Europe et le Japon  rivalisent entre elles pour se doter des machines les plus puissantes<ref name="Rigo2017_486" />. Les enjeux relèvent de la politique de souveraineté et de sécurité individuelle et collective. Les politiques énergétique, prévention des risques naturels et de défense s’appuient sur les apports de la simulation et du calcul haute performance<ref name="Kothe_2018_1">{{harvsp|Kothe|2018|p=1|id=Kothe2018}}</ref>{{,}}<ref name="Fuller_2011_31" />.

=== Écosystème ===
[[Fichier:Computing ecosystem.jpg|300px|vignette|Computational science ecosystem.]] 
Le [[Complementary metal oxide semi-conductor|CMOS]] (''Complementary Metal Oxide Semiconductor'') a permis aux performances des circuits [[microélectronique]]s de croître de façon exponentielle à coût constant<ref name="Schulthess_2018_31">{{harvsp|Schulthess|2018|p=31|id=Schulthess2018}}</ref>.
La fin d'une croissance exponentielle spectaculaire des performances d'un seul [[processeur]] marque la fin de la domination du [[microprocesseur]] unique en informatique. L'informatique séquentielle cède la première place au parallélisme<ref name="Fuller_2011_31" />.

Bien que l'informatique haute performance ait bénéficié des mêmes avancées en matière de [[semi-conducteur]]s que l'informatique de base, les performances durables des systèmes HPC se sont améliorées plus rapidement en raison de l'augmentation de la taille du système et du parallélisme<ref name="Reed_2015_59_60">{{harvsp|Reed|2015|p=59-60|id=Reed2015}}</ref>. Le nombre de cœurs du système devrait atteindre plusieurs millions de cœurs de calcul<ref name="Dauwe2018_332" />{{,}}<ref name="Jensen2010_21">{{harvsp|Jensen|2010|p=21|id=Jensen2010}}</ref>.

Dans les années 1980, la superinformatique vectorielle dominait l'informatique haute performance, comme en témoignent les systèmes nommés du même nom conçus par [[Seymour Cray]]. Les années 1990 ont vu la montée du [[traitement massivement parallèle]] (MPP : ''Massively Parallel Processing'') et des [[multiprocesseur]]s à [[Mémoire partagée (communication inter-processus)|mémoire partagée]] (SMP : ''Shared Memory Multiprocessors'') construits par [[Thinking Machines Corporation]], [[Silicon Graphics]] et d'autres. À leur tour, des grappes de produits ([[Intel]] / [[Advanced Micro Devices|AMD]] x86) et de processeurs spécialement conçus (comme [[Blue Gene (superordinateur)|BlueGene]] d'[[IBM]]) ont dominé les {{nobr|années 2000}}. La décennie suivante, ces [[Grappe de serveurs|''clusters'']] sont complétés par des accélérateurs de calcul sous la forme de [[coprocesseur]]s d'Intel et d'unités de traitement graphique ([[Processeur graphique|GPU]]) de [[Nvidia]] ; ils comprennent également des interconnexions à haut débit et à faible [[Latence (informatique)|latence]] (comme [[Infiniband]]). Les réseaux de stockage ([[Réseau de stockage SAN|SAN]]) sont utilisés pour le stockage de données persistantes, avec des disques locaux sur chaque [[Nœud (réseau)|nœud]] utilisé uniquement pour les fichiers temporaires. Cet écosystème matériel est optimisé en priorité pour les performances, plutôt que pour un coût minimal. Au sommet du matériel du ''cluster'', [[Linux]] fournit des services systèmes, complétés par des systèmes de fichiers parallèles (tels que ''Luster'') et des planificateurs de lots (tels que PBS et [[SLURM]]) pour la gestion des travaux parallèles. [[Message Passing Interface|MPI]] et [[OpenMP]] sont utilisés pour le parallélisme entre [[Nœud (réseau)|nœuds]] et internœuds, optimisé de [[Bibliothèque logicielle|bibliothèques]] et d'outils (tels que [[CUDA]] et [[OpenCL]]) pour une utilisation en coprocesseur. Des bibliothèques numériques (telles que [[LAPACK]] et PETSc) et des bibliothèques spécifiques au domaine complètent la [[Logiciel informatique|pile logicielle]]. Les applications sont généralement développées en [[FORTRAN]], [[C (langage)|C]] ou [[C++]]<ref name="Reed_2015_58">{{harvsp|Reed|2015|p=58|id=Reed2015}}</ref>.

Il y a deux types de conceptions architecturales :
* conception basée sur des systèmes avec des nœuds hétérogènes : elle se caractérise par des nœuds combinant des processeurs puissants avec des accélérateurs (GPU)<ref name="Geist_2015_105">{{harvsp|Geist|2015|p=105|id=Geist2015}}</ref> ;
* conception du système basée sur des nœuds homogènes : les caractéristiques de base de cette conception sont un grand nombre de nœuds plus petits, chacun avec un ''pool'' de cœurs homogènes et un seul niveau de mémoire<ref name="Geist_2015_105" />.

=== Performance ===
La course mondiale à la construction de superordinateurs toujours plus grands et plus puissants a conduit au fil des années à la création d'une pléthore d'architectures différentes et a entraîné diverses « révolutions ». Cette course a été enregistrée au fil des années dans la liste des supercalculateurs [[TOP500]], où les supercalculateurs les plus puissants construits jusqu'à présent sont classés en fonction des performances maximales en virgule flottante (Site internet [https://www.top500.org/ TOP500])<ref name="Strohmaier_2015_42_43">{{harvsp|Strohmaier|2015|p=42-43|id=Strohmaier2015}}</ref>{{,}}<ref name="Rigo2017_486" />.
En général, la vitesse des [[superordinateur]]s est mesurée et comparée en [[FLOPS]], et non en [[Instructions par seconde|MIPS]] (en millions d'instructions par seconde), comme les [[ordinateur]]s à usage général<ref name="Xingfu1999_114_117">{{harvsp|Xingfu|1999|p=114-117|id=Xingfu1999}}</ref>.
Pour exprimer les performances globales d'un système informatique, on utilise le ''Linpack [[Test de performance|benchmark]]'' qui permet d'estimer la vitesse à laquelle l'ordinateur résout les [[Analyse numérique|problèmes numériques]]. Cette référence est largement utilisée dans l'industrie<ref name="Dongarra_2003_114_117">{{harvsp|Dongarra|2003|p=114-117|id=Dongarra2003}}</ref>.
La mesure FLOPS est soit citée sur la base des performances théoriques en virgule flottante d'un processeur (« [[Rpeak]] » dans les listes [[TOP500]]), soit par la dérivée des [[LINPACK|Linpack]] benchmark (« Rmax » dans la liste TOP500)<ref name="Strohmaier_2015_42_49">{{harvsp|Strohmaier|2015|p=42-49|id=Strohmaier2015}}</ref>.

Les performances de Linpack donnent une indication pour certains problèmes du monde réel, mais ne correspondent pas nécessairement aux exigences de [[Traitement de l'information|traitement]] de nombreuses autres charges de travail d'un supercalculateur, qui peuvent par exemple nécessiter la prise en compte de la [[bande passante]], ou encore des systèmes ''I/O''<ref name="Dongarra_2003_114_117" />.

== Défis majeurs et contraintes ==
Pour atteindre le niveau ''Exascale'', les systèmes informatiques auront besoin d'une refonte complète sur la façon de relever les défis dans les domaines du coût, de la puissance, de l'efficacité du calcul, de la résilience et de la [[tolérance aux pannes]], du mouvement des données à travers le [[Réseau informatique|réseau]] et, enfin, des modèles de programmation<ref name="Rigo2017_487">{{harvsp|Rigo|2017|p=487|id=Rigo2017}}</ref>.

=== Puissance des processeurs ===


Depuis les années 1990, la croissance rapide des performances des [[microprocesseur]]s a été rendue possible grâce à trois moteurs technologiques clés : la mise à l'échelle de la vitesse des transistors, les techniques de microarchitecture et les [[mémoires caches]]<ref name="Borkar_2011_68">{{harvsp|Borkar |2011|p=68|id=Borkar2011}}</ref>.
Vers 2004, les puces ont cessé de s'accélérer lorsque les limitations thermiques ont mis fin à la mise à l'échelle des fréquences (également appelée mise à l'échelle de Dennard)<ref name="Messina_2017_2">{{harvsp|Messina|2017|p=2|id=Messina2017}}</ref>{{,}}<ref name="Fuller_2011_32">{{harvsp|Fuller|2011|p=32|id=Fuller2011}}</ref>{{,}}<ref name="Theis2017_45">{{harvsp|Theis|2017|p=45|id=Theis2017}}</ref>.
Le progrès en [[miniaturisation]] a été mis au service du [[Parallélisme (informatique)|parallélisme]] massif. Pour augmenter la puissance des [[supercalculateur]]s, la tendance est à la multiplication des cœurs de calcul au sein des [[processeur]]s<ref name="Ashraf2018_2">{{harvsp|Ashraf|2018|p=2|id=Ashraf2018}}</ref>{{,}}<ref name="Messina_2017_2" />.

Pour l'architecture d'un nœud de calcul, certains privilégient l’utilisation des processeurs graphiques ([[Processeur graphique|GPU]]), qui servent normalement au rendu réaliste des [[jeux vidéo]]. La puissance de ces processeurs repose sur l’utilisation de plusieurs centaines de cœurs de calculs organisés selon une architecture simplifiée, [[Single instruction multiple data|SIMD]] (pour ''Single Instruction Multiple Data''), où toutes les unités exécutent en parallèle une même tâche, mais sur des données différentes<ref name="Ashraf2018_4">{{harvsp|Ashraf|2018|p=4|id=Ashraf2018}}</ref>. D’autres misent plutôt sur le parallélisme d’un grand nombre de cœurs généralistes {{incise|une centaine par processeur}} dont les performances seront boostées par l’ajout d’unités dites « vectorielles » qui opèrent sur des registres de {{nb|512 bits}} au lieu de 64 habituellement. On réalise ainsi huit fois plus de calculs par cycle. Cette nouvelle architecture proposée par [[Intel]] a été baptisée « MIC » (''Many Integrated Cores''). Les GPU ou les MIC jouent ainsi le rôle d’accélérateur de calcul et permettent d’améliorer l’[[Efficacité énergétique (économie)|efficacité énergétique]]<ref name="Fuller_2011_36">{{harvsp|Fuller|2011|p=36|id=Fuller2011}}</ref>.

''The National Strategic Computing Initiative (NSCI)'' propose des axes de recherche stratégiques, le premier étant d'accélérer la livraison d'un système [[informatique]] ''exascale''. Cet objectif peut être atteint sur la base de l'évolution continue de la technologie des ''[[transistor]]s'' [[Complementary metal oxide semi-conductor|CMOS]] et des technologies plus récentes comme la [[photonique]] au [[silicium]] et l'intégration de [[Stockage optique 3-D|mémoire 3D]]<ref name="Theis2017_45" />{{,}}<ref name="Rumley2014_447_448">{{harvsp|Rumley|2014|p=447-448|id=Rumley2014}}</ref>. L'émergence d'un dispositif [[basse tension]] à haute performance pourrait considérablement assouplir les contraintes de production d'énergie et de chaleur qui limitent le calcul<ref name="Katevenis2016_61">{{harvsp|Katevenis |2016|p=61|id=Katevenis2016}}</ref>{{,}}<ref name="Theis2017_45" />.

=== Mémoire, interconnexion et refroidissement ===

Dans le régime de calcul ''Exascale'', le coût énergétique des mouvements de données entre la [[Mémoire (informatique)|mémoire]] et le [[Unité de calcul en virgule flottante|''pipeline FPU'']] devrait dépasser le coût d'une opération en [[virgule flottante]]. Cela nécessite des interconnexions écoénergétiques, à faible latence et à large [[bande passante]] afin de permettre les échanges de données entre les processeurs<ref name="Ammendola2017_512">{{harvsp|Ammendola|2017|p=512|id=Ammendola2017}}</ref>{{,}}<ref name="Reed_2015_63">{{harvsp|Reed|2015|p=63|id=Reed2015}}</ref>. Il faudra intégrer dans un seul et même [[composant électronique]] plusieurs fonctions telle que les [[Mémoire (informatique)|mémoires]] et les interconnexions{{sfn|Pascual|2017|p=2209|id=Pascual2017}}.
Le but étant de réduire la distance physique entre les [[Composant électronique|composants]] et de s'assurer que les éléments de calcul exploitent pleinement la localité physique avec le [[Stockage informatique|stockage]]<ref name="Rigo2017_487"/>{{,}}<ref name="Geist_2015_106">{{harvsp|Geist|2015|p=106|id=Geist2015}}</ref>.

==== Mémoire ====
La minimisation du mouvement des données et la réduction de la consommation d'énergie dépendent également des nouvelles technologies de mémoire, y compris la mémoire du processeur, la mémoire empilée et les approches de [[mémoire non volatile]]<ref name="Ammendola2017_512" />{{,}}<ref name="Theis2017_45" />{{,}}<ref name="Ahrens2015_8_9">{{harvsp|Ahrens|2015|p=8-9|id=Ahrens2015}}</ref>.

La [[Static Random Access Memory|SRAM]] peut être intégrée à une logique [[Complementary metal oxide semi-conductor|CMOS]] hautes performances, permettant une intégration plus rentable de grandes quantités de mémoire logique par rapport à la [[Mémoire vive dynamique|DRAM]] et [[Mémoire flash|flash]] sur la même [[Circuit intégré|puce]]<ref name="Theis2017_45" />.

==== Interconnexion ====
Le [[réseau]] de communication d'un supercalculateur interconnecte des milliers de nœuds. Pour les machines exaflopiques, il faudra cette fois relier entre eux dix fois plus de nœuds que les machines pétaflopiques<ref name="Duro2017_511" />. La façon dont ces éléments informatiques sont connectés les uns aux autres ([[Topologie de réseau|topologie du réseau]]) a un fort impact sur de nombreuses caractéristiques de performance{{sfn|Pascual|2017|p=2209|id=Pascual2017}}.
Il existe de nombreuses topologies possibles pour construire des systèmes parallèles, tels que le tore, l'arbre classique ou encore le ''Dragonfly''{{sfn|Pascual|2017|p=2209|id=Pascual2017}}.
Pour être efficace en ''Exascale'', les communications devront s'effectuer de façon complètement autonome sans faire intervenir les cœurs des processeurs dédiés aux calculs. L'enjeu est de développer de nouvelles architectures de réseaux d’interconnexions intimement intégrés aux nœuds de calcul<ref name="Duro2017_511" />.

==== Refroidissement ====
L’énergie électrique consommée par un calculateur est transformée en grande partie en chaleur ([[effet Joule]]), ce qui nécessite l’installation de systèmes de refroidissement qui sont également gourmands en énergie<ref name="Shoukourian2017_954_955">{{harvsp|Shoukourian|2017|p=954-955|id=Shoukourian2017}}</ref>. L'[[Méthodes de refroidissement pour ordinateur|infrastructure de refroidissement]] est généralement conçue pour un fonctionnement aux puissances maximales des systèmes HPC déployés. Les concepteurs doivent innover pour concevoir des systèmes plus efficaces<ref name="Shoukourian2017_955">{{harvsp|Shoukourian |2017|p=955|id=Shoukourian2017}}</ref>.

=== Fiabilité et résilience ===
Idéalement, les systèmes seraient homéostatiques, s'adaptant aux pannes matérielles et logicielles sans intervention humaine et continuant de fonctionner jusqu'à ce que le nombre de pannes devienne trop important pour atteindre les objectifs de performance<ref name="Geist_2015_107">{{harvsp|Geist|2015|p=107|id=Geist2015}}</ref>.Étant donné que les composants défaillants sont périodiquement remplacés, le système HPC ne se dégrade jamais au point que les utilisateurs remarquent<ref name="Geist_2015_108">{{harvsp|Geist|2015|p=108|id=Geist2015}}</ref>.

Avec l'augmentation de la complexité et du nombre de [[Nœud (réseau)|nœuds]] dans les systèmes HPC au fil du temps, la probabilité que les applications connaissent des échecs d'exécution a considérablement augmentée<ref name="Dauwe2018_332">{{harvsp|Dauwe|2018|p=332|id=Dauwe2018}}</ref>{{,}}<ref name="Rigo2017_488">{{harvsp|Rigo|2017|p=488|id=Rigo2017}}</ref>. Les machines exaflopiques, qui contiendront plusieurs millions de cœurs de calcul, seront sujettes à plusieurs pannes par heure<ref name="Dauwe2018_332" />{{,}}<ref name="Jensen2010_21" />{{,}}<ref name="Geist_2015_106" />.
La résilience systémique face aux défaillances régulières des composants sera essentielle<ref name="Rigo2017_488" />{{,}}<ref name="Geist_2015_106" />.

Les erreurs matérielles, également appelées erreurs permanentes, dépendent d'une stratégie d'atténuation différente des erreurs [[Logiciel]]les. Ces erreurs peuvent être partiellement corrigées en incorporant des composants redondants ou de rechange. Par exemple, la construction de cœurs supplémentaires qui reste inactif, mais peut être mise en service pour remplacer tout processeur défaillant<ref>{{harvsp|Shalf|2010|p=20|id=Shalf2010}}</ref>.

Le taux d'erreur fait référence aux erreurs transitoires qui affectent le temps moyen entre les interruptions d'application. Le ''Mean Time to Identify'' (MTTI) est tout échec qui nécessite une action corrective de l'application par opposition aux erreurs qui sont cachées à l'application par un mécanisme de résilience dans le matériel ou le logiciel<ref>{{harvsp|Shalf|2010|p=20-21|id=Shalf2010}}</ref>.

Tous les protocoles basés sur des [[Point de contrôle|points de contrôle]] reposent sur l'enregistrement périodique de l'état d'exécution du système et le redémarrage à partir d'un état sans erreur antérieur après l'occurrence d'une défaillance<ref name="Dauwe2018_332" />.

Daniel Dauwe, Sudeep Pasricha, Anthony A. Maciejewski et Howard Jay Siegel proposent une comparaison de quatre protocoles de résilience HPC qui utilisent les points de contrôle :

;''Checkpointing and Restarting''
Le point de contrôle est la technique de résilience la plus utilisée par les HPC. Elle consiste à noter l’état de tous les programmes  en cours d’exécution sur un périphérique de  stockage(comme le système de fichiers parallèles). Cela se fait en arrêtant le système à intervalles réguliers.

;''Multilevel Checkpointing''
Étant donné que différents types de défaillances peuvent affecter un système informatique de différentes manières, toutes les défaillances ne nécessitent pas le redémarrage du système à partir d'un point de contrôle. ''Multilevel Checkpointing'' exploite cela en fournissant plusieurs niveaux de point de contrôle. Chaque niveau offre un compromis entre le temps nécessaire au point de contrôle, au redémarrage et le niveau de gravité de l'échec à partir duquel le système peut reprendre le calcul.

;''Message Logging''
Cette technique consiste à enregistrer les messages envoyés entre [[Processus (informatique)|processus]] pour générer des captures de l’exécution des programmes qui seront réparties sur l’ensemble des mémoires du système.  En cas de panne cela va permettre au [[Nœud (réseau)|nœud]] défaillant d’utiliser les messages stockés dans la mémoire d’un autre nœud pour la récupération. Cette méthode a pour avantage de  réduire le temps du recalcule et d'économiser de l'énergie car seul le nœud défaillant est actif, le reste du système peut rester inactif jusqu’à la récupération.

;''Redundancy''
La technique de la redondance est utilisée pour améliorer la fiabilité d’un système. Cette méthode peut être mise en œuvre au niveau du matériel ou logiciel et elle permet de réaliser plusieurs copies du même morceau du code. L’inconvénient reste l’utilisation de ressources supplémentaires<ref name="Dauwe2018_333_334">{{harvsp|Dauwe|2018|p=333-334|id=Dauwe2018}}</ref>.

=== Parallélisation à très large échelle ===
{{Article connexe|Parallélisme (informatique)}}
Le [[Parallélisme (informatique)|parallélisme]] a provoqué une révolution dans les performances de l'ordinateur. Celui-ci a été introduit dans les {{nobr|années 1990}} et est toujours à l'étude pour traiter les systèmes informatiques ''Exascale'' ciblés<ref name="Ashraf2018_3" />.

Avec plusieurs millions de cœurs de calcul<ref name="Dauwe2018_332" />{{,}}<ref name="Jensen2010_21" />, le défi sera de paralléliser à l’extrême les calculs, c’est-à-dire de les diviser en un très grand nombre de sous-calculs exécutés par les cœurs des processeurs. Il faudra répartir les tâches équitablement entre les cœurs pour permettre aux machines d’être performantes. Cela pose des questions en termes de [[Programmation informatique|programmation]] qui nécessite une nouvelle approche de [[programmation parallèle]] à faible consommation d'énergie pour atteindre des performances massives<ref name="Ashraf2018_1" />.
Il faut des modèles de programmation plus expressifs capables de gérer ce procédé et de simplifier les efforts du [[Développeur informatique|développeur]] tout en prenant en charge un parallélisme dynamique et à grain fin<ref name="Reed_2015_63"/>. La programmation de tels futurs systèmes massivement parallèles et hétérogènes ne sera pas anodine, et les modèles de programmation et les systèmes d'exécution devront être adaptés et repensés en conséquence<ref name="Rigo2017_488" />{{,}}<ref name="Kogge2013_23">{{harvsp|Kogge|2013|p=23|id=Kogge2013}}</ref>.

Les chercheurs Usman Ashraf, Fathy Alburaei Eassa, Aiiad Ahmad Albeshri et Abdullah Algarni présentent un hybride [[Message Passing Interface|MPI]] + OMP + [[CUDA]] (MOC), un nouveau modèle de programmation parallèle massif pour les systèmes de [[Grappe de serveurs|''cluster'']] hétérogènes à grande échelle. Ils annoncent {{citation|une accélération asymptotique allant jusqu'à 30 %-40 % par rapport aux meilleures implémentations sur multiprocesseurs hétérogènes et des [[Global Processing Unit|GPU]] [[Nvidia]] accélérés}}<ref name="Ashraf2018_1" />.

Le projet ECOSCALE vise à fournir une approche holistique pour une nouvelle architecture hiérarchique hétérogène à haut rendement énergétique, un environnement de programmation hybride [[Message Passing Interface|MPI]] + [[OpenCL]] et un système d'exécution pour les machines ''exascale''<ref name="Rigo2017_487" />.

=== Softwares, middlewares et algorithmes ===
Depuis {{date-|novembre 2017}}, les 500 superordinateurs les plus rapides au monde s'exécutent sur des [[systèmes d'exploitation]] basés sur [[Linux]]<ref>{{harvsp|Operating system Family / Linux|id=linuxtop500}}</ref>.

Les machines exaflopiques, qui contiendront plusieurs millions de cœurs de calcul, seront sujettes à plusieurs pannes par heure<ref name="Dauwe2018_1">{{harvsp|Dauwe|2017|p=1|id=Dauwe2017}}</ref>{{,}}<ref name="Jensen2010_21" />. Les logiciels devront donc être capables de distribuer au mieux les tâches à effectuer entre tous les cœurs de calcul en réduisant au maximum le mouvement des données. Ils devront également sauvegarder  les données au cours de l’exécution des calculs pour que celles-ci ne soient pas perdues si un [[Composant électronique|composant]] de la machine tombe en panne<ref name="Fuller_2011_35">{{harvsp|Fuller|2011|p=35|id=Fuller2011}}</ref>{{,}}<ref name="Kogge2013_25">{{harvsp|Kogge|2013|p=25|id=Kogge2013}}</ref>.

Les applications ayant beaucoup d'échanges ou de synchronisations entre leurs sous-tâches sont dites ''fine-grained'', c'est-à-dire à grain fin, celles qui ont au contraire peu d'échanges et de synchronisations sont dites ''coarse-grained'', c'est-à-dire à gros grain. 
L'informatique ''exascale'' exigera une grande demande en [[algorithme]]s dans au moins deux domaines : la nécessité d'augmenter les quantités de données locales pour effectuer efficacement les calculs  et la nécessité d'obtenir des niveaux beaucoup plus élevés de parallélisme à grain fin, car ces systèmes prennent en charge un nombre croissant de [[Thread (informatique)|fil d'instruction]]. En conséquence, les algorithmes parallèles doivent s'adapter à cet environnement, et de nouveaux algorithmes et implémentations doivent être développés pour exploiter les capacités de calcul du nouveau matériel<ref name="Reed_2015_64">{{harvsp|Reed|2015|p=64|id=Reed2015}}</ref>.

Les nouvelles conceptions logiciels et systèmes d'exploitation devront prendre en charge la gestion des ressources hétérogènes et des hiérarchies de mémoire non cohérentes avec le [[Mémoire cache|cache]], fournir aux applications et à l'exécution plus de contrôle sur les politiques de planification des tâches et gérer les [[espaces de noms]] globaux. Ils doivent également exposer des mécanismes de mesure, de prévision et de contrôle plus précis de la gestion de l'énergie, permettant aux [[Ordonnancement dans les systèmes d'exploitation|ordonnanceurs]] de mapper les calculs aux accélérateurs spécifiques à la fonction et de gérer les enveloppes thermiques et les profils énergétiques des applications<ref name="Reed_2015_65">{{harvsp|Reed|2015|p=65|id=Reed2015}}</ref>.

Une collaboration devrait naître des spécialistes des [[mathématiques appliquées]] qui développent des outils de calcul numérique et des [[informaticien]]s spécialistes du calcul haute performance qui conçoivent des logiciels pour permettre d'exploiter au mieux les caractéristiques matérielles de ces nouvelles architectures massivement parallèles<ref name="Fuller_2011_34">{{harvsp|Fuller|2011|p=34|id=Fuller2011}}</ref>.

De nouveaux [[Langage de programmation|langages]] et modèles de programmation au-delà de [[C (langage)|C]] et [[FORTRAN]] seront utiles. Les fonctionnalités de [[programmation]] trouvées dans Chapel et X10 ont déjà eu un effet indirect sur les modèles de programmes existant(tels que [[OpenMP]]). Ces derniers ont profité des extensions pour les exemples suivants: le parallélisme des tâches, les accélérateurs et l'affinité des ''[[Thread (informatique)|threads]]''. Les [[Langage de spécification|langues spécifiques]] au domaine ([[Langage dédié|DSL]]) (''Domain Specific Language'') se spécialisent dans un domaine d'application particulier, représentant un moyen d'étendre la langue de base existante. Les DSL intégrés sont un moyen pragmatique d'exploiter les capacités sophistiquées d'analyse et de transformation des [[compilateur]]s pour les [[Langage informatique|langages]] standards<ref name="Reed_2015_66"/>.

La [[répartition de charge]] est un défi à prendre en compte. L'unité d'équilibrage de charge répartit la charge de traitement entre les [[systèmes informatiques]] disponibles afin que le travail de traitement soit effectué dans un minimum de temps. La [[répartition de charge]] peut être implémenté avec un logiciel, du matériel ou une combinaison des deux<ref name="Mirtaheri2017_1">{{harvsp|Mirtaheri|2017|p=1|id=Mirtaheri2017}}</ref>.

Un développement significatif du modèle, une refonte de l'[[algorithme]] et une réimplémentation des applications scientifiques, soutenus par un ou des modèles de [[Programmation informatique|programmation]] adaptés à l'''exascale'', seront nécessaires pour exploiter la puissance des architectures ''exascale''s<ref name="Reed_2015_66">{{harvsp|Reed|2015|p=66|id=Reed2015}}</ref>. Il s'agira de systèmes basés sur une architecture homogène ou hétérogène. Par conséquent, nous avons besoin d'un modèle de programmation hybride adaptatif qui peut traiter à la fois des systèmes d'architecture homogènes et hétérogènes<ref name="Ashraf2018_12">{{harvsp|Ashraf|2018|p=12|id=Ashraf2018}}</ref>{{,}}<ref name="Geist_2015_111">{{harvsp|Geist|2015|p=111|id=Geist2015}}</ref>.

=== Consommation énergétique ===
Le supercalculateur pétaflopique [[Titan (supercalculateur)|Titan]] introduit en 2012 dans les laboratoires nationaux d'Oak Ridge avec une consommation de neuf mégawatts (MW) et une puissance de pointe théorique de vingt-sept pétaFLOPS a généré une facture d'électricité annuelle d'environ neuf millions de dollars<ref name="Rigo2017_487" />.
Les coûts très élevés incluant l’installation des infrastructures et d’entretien deviennent des facteurs prédominants dans le coût total de possession ([[Coût du cycle de vie|TCO]]) d’un superordinateur<ref name="Diouri2012_2">{{harvsp|Diouri|2012|p=2|id=Diouri2012}}</ref>{{,}}<ref name="Grant2016_1" />{{,}}<ref name="Schulthess_2018_32">{{harvsp|Schulthess|2018|p=32|id=Schulthess2018}}</ref>{{,}}<ref name="Geist_2015_104" />.
Le coût énergétique de ces plates-formes au cours de leur durée de vie utile, généralement de trois à cinq ans<ref name="Geist_2015_108" />, pourrait rivaliser avec leur coût d'acquisition<ref name="Grant2016_1" />.

''Power Usage Effectiveness'' (PUE) est une mesure bien établie pour évaluer l'[[Efficacité énergétique (économie)|efficacité énergétique]] des centres de données. Intuitivement, le PUE mesure la fraction d'énergie fournie à une installation qui alimente l'équipement informatique réel<ref name="Geist_2015_109">{{harvsp|Geist|2015|p=109|id=Geist2015}}</ref>. Par conséquent, afin de rendre un centre de données plus économe en énergie, et donc de réduire sa valeur PUE, il faudrait s'attaquer à tous les facteurs influençant la consommation d'énergie : l'infrastructure de refroidissement (''P''{{ind|cooling}}) ; les systèmes HPC déployés jusqu'à la gestion des ressources et la planification et l'optimisation des applications (''P''{{ind|IT}}) ; les pertes de puissance dues à la distribution et à la conversion électrique (''P''{{ind|electricalLosses}}) ; et à la consommation d'énergie diverse ''P''{{ind|misc}}<ref name="Shoukourian2017_954_955" />.
:<math>PUE = \frac{P_\text{Total}}{P_\text{IT}} = \frac{P_\text{cooling}+P_\text{IT}+P_\text{electricalLosses}+P_\text{misc}}{P_\text{IT}}</math>
Ces conclusions ont également commencé à influencer la conception et le déploiement des HPC, pour réduire leur PUE<ref name="Geist_2015_109" />.

Un supercalculateur ''Exascale'' avec la même technologie que sur les machines pétaflopiques entraîneraient des consommations de pointe de plus de {{nb|100 MW}}, avec une conséquence immédiate sur le coût de gestion et d'alimentation<ref name="Rigo2017_487" />{{,}}<ref name="Ashraf2018_2" />{{,}}<ref name="Geist_2015_104">{{harvsp|Geist|2015|p=104|id=Geist2015}}</ref>.
La puissance requise par ''Exascale computing'' de dizaines de mégawatts rend la gestion de la consommation d'énergie beaucoup plus difficile par rapport aux systèmes qui prennent en charge de nombreux petits travaux<ref name="Grant2016_1" />.

Pour concevoir des machines exaflopiques, il faut relever le principal défi qui est d’être capable de réduire les importants coûts de consommations énergétiques de ces plates-formes<ref name="Diouri2012_2" />{{,}}<ref name="Geist_2015_104" />.
Des pionniers du HPC tels que le [[département de l'Énergie des États-Unis]] (US DoE), Intel, IBM et [[Advanced Micro Devices|AMD]] ont défini une limite maximale de consommation électrique d'une machine ''Exascale'' de l'ordre de {{nb|25-30 MW}}<ref name="Diouri2012_2" />{{,}}<ref name="Vijayaraghavan2017_1">{{harvsp|Vijayaraghavan|2017|p=1|id=Vijayaraghavan2017}}</ref>{{,}}<ref name="Ashraf2018_1" />. Avec par exemple une consommation d'énergie cible de {{nb|20 MW}}, il faudrait une efficacité énergétique de ∼20 pJ / Op<ref name="Rigo2017_487" />.

Pour atteindre l'objectif de puissance attendue il est nécessaire d'avoir une amélioration significative de l'efficacité énergétique du [[système informatique]], entraînée par un changement à la fois dans la conception matérielle et le processus d'intégration<ref name="Vijayaraghavan2017_1" />{{,}}<ref name="Fuller_2011_33">{{harvsp|Fuller|2011|p=33|id=Fuller2011}}</ref>.

== Projets et recherches ==
=== Internationale ===
Bien que la concurrence mondiale pour le leadership en [[Superordinateur|informatique avancée]] et en [[analyse de données]] se poursuit avec des programmes aux Ėtats-Unis, en Europe, en Chine et au Japon<ref name="Rigo2017_486" /> ; il existe une collaboration internationale active. Le projet international de logiciel ''Exascale'' (IESP) en est un exemple en informatique avancée. Grâce au financement des gouvernements du Japon, de l'UE et des États-Unis, ainsi qu'à des contributions des parties prenantes de l'industrie, l'IESP a été créé pour permettre la recherche en [[science]] et [[ingénierie]] à ultra-haute résolution et gourmande en données jusqu'en 2020. L'équipe internationale de l'IESP a développé un plan pour un environnement de calcul commun pour les systèmes pétascale / ''exascale''<ref name="Dongarra_2003_3_60">{{harvsp|Dongarra|2011|p=3-60|id=Dongarra2011}}</ref>.

=== États-Unis ===
Les États-Unis sont un leader international de longue date dans la recherche, le développement et l'utilisation de l'informatique haute performance (HPC). Une série d'activités est née en 2016 de l’ordre du ''National Strategic Computing Initiative''(NSCI), dont la plus importante est l'initiative de calcul ''exascale'' (ECI). Il est dirigée par le [[département de l'Énergie des États-Unis]] (DoE) qui est un partenariat entre l'Office of Science et la National Nuclear Security Administration (NNSA). L'objectif est d'accélérer les projets de recherche, de développement, d'acquisition et de déploiement afin de fournir une capacité informatique ''exascale'' à ses laboratoires du début au milieu des {{nobr|années 2020}}<ref name="Kothe_2018_1" />.

ECI s'occupe de la préparation des installations informatiques et de l'acquisition de trois systèmes ''exascale'' distincts :
* Aurora : le département américain de l'Énergie a annoncé le {{date-|18 mars 2019}} qu'[[Intel]] et [[Cray (entreprise)|Cray]] construiraient le premier [[supercalculateur]] ''exascale'' aux États-Unis. Il sera livré au [[laboratoire national d'Argonne]] en 2021. Le système comprendra plus de {{nb|200 armoires}} Shasta, la pile logicielle unique de Cray optimisée pour les architectures Intel, l'interconnexion Cray Slingshot, ainsi que des innovations technologiques Intel de prochaine génération dans les technologies de [[processeur]] de calcul, de [[Mémoire (informatique)|mémoire]] et de [[Stockage informatique|stockage]]<ref>{{harvsp|Aurora|2019|id=cray-aurora}}</ref>{{,}}<ref>{{harvsp|Intel|2019|id=intel}}</ref> ;
* [[Frontier (superordinateur)|Frontier]] : il sera construit par [[Advanced Micro Devices|AMD]] et Cray pour le [[laboratoire national d'Oak Ridge]], le contrat est évaluée à plus de {{nb|600 millions}} de dollars et la livraison est prévue en 2021. Le système sera basé sur l'architecture Shasta, l'interconnexion Slingshot de Cray, un processeur [[Advanced Micro Devices|AMD]] [[Epyc]] hautes performances et la technologie [[GPU]] AMD [[AMD Instinct|Radeon Instinct]]. Frontier fournira de nouvelles capacités d'apprentissage en profondeur, d'apprentissage automatique et d'analyse de données pour des applications allant de la fabrication à la santé humaine<ref>{{harvsp|Frontier|2019|id=cray-frontier}}</ref> ;
* El Capitan : [[Département de l'Énergie des États-Unis|US DoE]], NNSA et le [[laboratoire national Lawrence Livermore]] ont annoncé le {{date-|13 aout 2019}} la signature d'un contrats avec Cray pour la construction de ce supercalculateur. Ses performances maximales atteindront plus de {{nb|1,5 exaFLOPS}} et sa livraison est prévue pour fin 2022. Il sera utilisé pour effectuer les évaluations critiques nécessaires pour faire face à l'évolution des menaces à la sécurité nationale et à d'autres fins telles que la [[Prolifération nucléaire|non-prolifération]] ou la lutte contre le terrorisme nucléaire<ref>{{harvsp|energy.gov|2019|id=energy.gov}}</ref>{{,}}<ref>{{harvsp|ElCapitan|2019|id=cray-elcapitan}}</ref>.

=== Chine ===
En 2015, selon le classement de [[TOP500]], le supercalculateur chinois [[Tianhe-2]] était le plus rapide au monde. Il contient {{nb|16000 nœuds}}. Chaque nœud possède deux processeurs [[Intel Xeon]] et trois [[coprocesseur]]s Intel Xeon Phi, une interconnexion haute vitesse propriétaire, appelée « TH Express-2 ». Il est conçu par l'université nationale de technologie de défense (NUDT)<ref name="Reed_2015_67">{{harvsp|Reed|2015|p=67|id=Reed2015}}</ref>.

En 2010, [[Tianhe-1]] est entré en service. Il effectue diverses tâches comme l'exploration pétrolière, la fabrication d'équipements haut de gamme, la médecine biologique et la conception d'animations, et sert près de {{nb|1000 clients}}<ref name="Chine_2016">{{harvsp|Chine|2016|id=Chine}}</ref>.

Selon le plan national pour la prochaine génération d'ordinateurs haute performance, la Chine développera un [[ordinateur]] ''exascale'' au cours de la {{13e|période}} du plan quinquennal (2016-2020). {{citation|Le gouvernement de la nouvelle zone de Tianjin Binhai, l'université nationale de technologie de défense (NUDT) et le Centre national de superordinateurs de [[Tianjin]] travaillent sur le projet, et le nom du supercalculateur sera Tianhe-3}}, a déclaré Liao Xiangke, le directeur de l'école d'informatique de l'NUDT. Les nouvelles machines auront une vitesse de calcul deux cents fois plus rapide et une capacité de [[Stockage informatique|stockage]] cent fois supérieure à celle du Tianhe-1<ref name="Chine_2016"/>.

=== Europe ===
La [[Commission européenne]] et 22 pays d'Europe ont déclaré leur intention d'unir leurs efforts dans le développement des technologies et des infrastructures HPC grâce à un projet de recherche européen<ref name="Schulthess_2018_32" />. Celui-ci soutiendra trois projets traitant des technologies ''exascale'' et postexascale :
* ExaNoDe qui a pour principe d'appliquer de nouvelles technologies d'intégration 3D et de conception matérielle, associées à la [[virtualisation]] des ressources et au système de mémoire UNIMEM<ref name="Rigo2017_487" /> ;
* ExaNeSt qui étudiera comment les systèmes de stockage, d'interconnexions et de [[Méthodes de refroidissement pour ordinateur|refroidissement]] devront évoluer vers ''Exascale''<ref name="Rigo2017_487" /> ;
* ECOSCALE qui vise à fournir une approche holistique pour une nouvelle architecture hiérarchique hétérogène à haut rendement énergétique, un environnement de [[Programmation informatique|programmation]] hybride [[Message Passing Interface|MPI]] + [[OpenCL]] et un système d'exécution pour les machines ''exascale''<ref name="Rigo2017_487" />.

La combinaison de ces trois projets vise à couvrir l'ensemble de l'image d'une machine HPC ''Exascale'' d’ici 2020<ref name="Rigo2017_487" />.

=== Japon ===
En {{date-|mai 2019}}, [[Fujitsu]] et l'institut de recherche japonais [[Riken]] ont annoncé que la conception du supercalculateur post-K était terminée, pour une livraison en 2021. Le nouveau système sera doté d'un processeur A64FX basé sur [[ARMv8]]-ASVE à {{nb|512 bits}}. Il s'agit d'un processeur haute performance conçu et développé par Fujitsu pour les systèmes ''exascale''. La [[Puce électronique|puce]] est basée sur un design ARM8. Ce processeur équipe une grande majorité des [[smartphone]]s et abrite {{nb|48 [[Microprocesseur multi-cœur|cœurs]]}} de traitement complétés par quatre cœurs dédiés aux entrées-sorties et aux interfaces. Il peut gérer jusqu'à {{nb|32 Go}} de [[Mémoire (informatique)|mémoire]] par puce. Le système sera équipé d'un processeur par nœud et de {{nb|384 nœuds}} par rack, soit un pétaflop par rack. Le système au complet sera constitué de plus de {{nb|150000 nœuds}}. Le Post-K doit succéder, vers 2021, au K-Computer, qui équipe depuis {{date-|septembre 2012}} l’institut de recherche [[Riken]] à [[Kobe]]<ref>{{harvsp|POST-K-Japon|2019|id=Japon2019}}</ref>.

=== Exemple d'étude complète ===
AMD Research, [[Advanced Micro Devices]], Department of Electrical and Computer Engineering et l'[[University of Wisconsin-Madison|université de Wisconsin-Madison]] proposent une étude complète d'une architecture qui peut être utilisée pour construire des systèmes ''exascale'' :
«Une architecture conceptuelle de nœud ''exascale'' (ENA), qui est le bloc de calcul pour un supercalculateur ''exascale''. L'ENA se compose d'un processeur hétérogène ''Exascale'' (EHP) couplé à un système de mémoire avancé. L'EHP fournit une unité de traitement accélérée hautes performances ([[CPU]] + [[Global Processing Unit|GPU]]), [[Stockage optique 3-D|une mémoire 3D]] à large [[bande passante]] intégrée et une utilisation massive des technologies d'empilement de matrices et de puces pour répondre aux exigences de l'[[informatique]] ''exascale'' de manière équilibrée.

Une architecture de nœud ''Exascale'' (ENA) en tant que bloc de construction principal pour les machines ''exascale''. L'ENA répond aux exigences de calcul ''exascale'' à travers :
* une unité de traitement accéléré ([[Accelerated processing unit|APU]]) haute performance qui intègre des [[Global Processing Unit|GPU]] à haut débit avec une excellente efficacité énergétique requise pour les niveaux de calcul ''exascale'', étroitement couplée à des processeurs multicœurs haute performance pour les sections de code série ou irrégulières et les applications héritées ;
* utilisation massive des capacités d'empilement de matrices qui permettent une intégration dense des composants afin de réduire les frais généraux de déplacement des données et d'améliorer l'efficacité énergétique ;
* une approche basée sur des puces qui dissocie les composants de traitement essentiels aux performances (par exemple, les CPU et les GPU) aux composants qui ne s'adaptent pas bien à la technologie (par exemple, les composants analogiques). Cette méthode de fabrication permet de réduire les coûts et réutiliser la conception dans d'autres segments de marché ;
* mémoires multi-niveaux qui améliorent la bande passante en intégrant la mémoire 3D, qui est empilée directement au-dessus des GPU ;
* techniques avancées de circuits et techniques de gestion active de la puissance qui permettent de réduire l'énergie avec peu d'impact sur les performances ;
* mécanismes matériels et [[logiciel]]s pour atteindre une résilience et une fiabilité élevées avec un impact minimal sur les performances et l'efficacité énergétique ;
* cadres de concurrence qui exploitent l'écosystème logiciel Heterogeneous System Architecture (HSA) et Radeon Open Compute Platform (ROCm) pour prendre en charge les applications nouvelles et existantes avec des performances élevées et une productivité élevée des [[programmeur]]s<ref name="Vijayaraghavan2017_1_2">{{harvsp|Vijayaraghavan|2017|p=1-2|id=Vijayaraghavan2017}}</ref>.

== Exemples d'utilisation ==
=== Big data et intelligence artificielle ===
Les acteurs des télécoms et de l’internet comme les GAFA (Google, Apple, Facebook et Amazon) sont amenés quotidiennement à gérer une quantité gigantesque de données. Fortement en lien avec le [[Cloud computing|''Cloud'']] et le ''[[Big Data]]'' dans leurs grands ''[[datacenter]]s'', le [[calcul intensif]] trouve sa place dans le traitement de ces données massives<ref name="Reed_2015_61">{{harvsp|Reed|2015|p=61|id=Reed2015}}</ref>.

=== Sécurité nationale ===
La [[simulation numérique]] du fonctionnement d’une [[arme nucléaire]] peut être réalisée à l’aide d’un supercalculateur ou encore obtenir des certificats et des évaluations pour garantir que les stocks nucléaires du pays sont sûrs, sécurisés et fiables<ref name="Kothe_2018_9">{{harvsp|Kothe|2018|p=9|id=Kothe2018}}</ref>.

=== Biologie et biomédecine ===
L'[[informatique]] ''exascale'' accélérera la recherche sur le cancer en aidant les scientifiques à comprendre la base [[moléculaire]] des interactions protéiques clés et en automatisant l'analyse des informations provenant de millions de dossiers de patients cancéreux pour déterminer les stratégies de traitement optimales. Il permettra également aux médecins de prédire les bons traitements pour le patient en modélisant les réponses médicamenteuses<ref name="Messina_2017_4">{{harvsp|Messina|2017|p=4|id=Messina2017}}</ref>.

Dans la [[biologie]], il sera possible de simuler dans le détail le fonctionnement des membranes des cellules vivantes pour mieux comprendre comment les médicaments pénètrent dans la cellule et agissent<ref name="Kothe_2018_8_9">{{harvsp|Kothe|2018|p=8-9|id=Kothe2018}}</ref>.
Le [[séquençage du génome]] requiert aujourd’hui une exploitation et un [[Stockage informatique|stockage]] de quantités massives de données génétiques<ref name="Lee2018_23_24">{{harvsp|Lee|2018|p=23-24|id=Lee2018}}</ref>.
L'''exascale computing'' sera un développement nécessaire pour soutenir les efforts de recherche en cours des [[biologiste]]s computationnels. De suivre le rythme de la génération de données expérimentales à permettre de nouveaux modèles multiphysiques multi-échelles de processus biologiques complexes. La science informatique continuera d'évoluer et, à terme, de transformer la biologie d'une science observationnelle à une science quantitative<ref name="Lee2018_23_24" />.

Plus généralement, les défis biologiques et biomédicaux couvrent l'annotation et la comparaison des séquences, la prédiction de la structure des protéines ; simulations moléculaires et machines à protéines ; voies métaboliques et réseaux de régulation ; modèles et organes de cellules entières ; et les organismes, les environnements et les écologies<ref name="Reed_2015_61"/>.

=== Découverte scientifique ===
Les modèles informatiques des phénomènes [[astrophysique]]s, à des échelles temporelles et spatiales aussi diverses que la formation du [[système planétaire]], la [[dynamique stellaire]], le comportement des [[trous noirs]], la formation galactique et l'interaction de la [[matière noire]] baryonique et putative, ont fourni de nouvelles perspectives sur les théories et complété les données expérimentales<ref name="Reed_2015_56_58">{{harvsp|Reed|2015|p=56-58|id=Reed2015}}</ref>.

La [[cosmologie]], la [[physique]] des hautes énergies et l'[[astrophysique]] font partie des sciences qui cherchent à comprendre l'évolution de l'univers, les lois qui régissent la création et le comportement de la matière. Ils dépendent des modèles informatiques avancés, ainsi le supercalculateur exaflopique sera un accélérateur dans ces différentes recherches<ref name="Messina_2017_4" />.

=== Simulation avancée et modélisation industrielle ===
Les HPCs permettent de reproduire, par la [[Modélisation informatique|modélisation]] et la [[Simulation numérique|simulation]], des expériences qui ne peuvent pas être réalisées en laboratoire quand elles sont dangereuses, coûteuses, de longue durée ou très complexes. La simulation numérique a permis à [[Cummins]] de construire de meilleurs moteurs diesel plus rapidement et à moindre coût, [[Goodyear Tire & Rubber|Goodyear]] pour concevoir des pneus plus sûrs beaucoup plus rapidement, [[Boeing]] pour construire des avions plus économes en carburant et [[Procter & Gamble]] pour créer de meilleurs matériaux pour les produits domestiques<ref name="Reed_2015_58"/>.

Le but est de faciliter et encourager l’accès aux PME au HPC pour leur permettre de simuler des phénomènes plus globaux, de limiter ou remplacer des expériences, de raccourcir la phase de test ou de traiter des données pléthoriques et hétérogènes. Le recours au calcul intensif sert à la compétitivité des PME<ref name="Reed_2015_62">{{harvsp|Reed|2015|p=62|id=Reed2015}}</ref>.

=== Énergie ===
La [[fusion nucléaire]] pourrait constituer une source d’énergie majeure. Pour enclencher la réaction au sein d’un [[réacteur nucléaire]], l’un des enjeux majeurs sera de confiner la chaleur dégagée par le phénomène bien au centre de la machine. Les phénomènes sont complexes et font appel à un jeu d’[[équations mathématiques]] qui génèrent un volume important de données à traiter. Les simulations numériques avec les supercalculateurs exaflopique permettront de faire un pas important dans cette direction<ref name="Kothe_2018_8">{{harvsp|Kothe|2018|p=8|id=Kothe2018}}</ref>.

L'[[énergie solaire]] sera rendue plus rentable grâce à la découverte de matériaux qui convertissent plus efficacement les rayons solaires en électricité<ref name="Messina_2017_4" />.

L'[[énergie éolienne]], grâce à la capacité de simulation prédictive validée pour le cycle de conception, permettant à l'industrie de réduire le temps de développement de moteurs et turbines efficaces<ref name="Kothe_2018_8" />.

=== Prédiction météorologique ===
La compréhension du climat et de ses variations passées, actuelles et à venir est l’un des enjeux scientifiques majeurs du {{s-|XXI}}. Dans cette quête, la simulation est devenue un outil indispensable. Cette démarche permet, en effet, de mieux comprendre les mécanismes qui régulent le climat et ainsi de faire des prévisions sur des échelles de temps allant de la saison à quelques siècles, dans le cas des scénarios de changement climatique<ref name="Messina_2017_4" />{{,}}<ref name="Fuhrer2017_1_2">{{harvsp|Fuhrer|2017|p=1-2|id=Fuhrer2017}}</ref>.

En 2018, les prévisions à cinq jours étaitent aussi précises que les prévisions à quatre jours dix ans avant. Cette amélioration remarquable est possible avec une puissance de calcul d'environ cinq pétaFLOPS. Ces prévisions permettent aux gouvernements, aux secteurs public et privé de planifier et de protéger la population ou les biens. Ceci permet de réaliser des milliards de dollars d'économies chaque année<ref name="Schulthess_2018_33">{{harvsp|Schulthess|2018|p=33|id=Schulthess2018}}</ref>.

L'Europe occupe la tête des [[prévisions météorologiques]] mondiales à moyenne portée depuis les années 1980<ref name="Schulthess_2018_32" />. United Kingdom Meteorological Office et [[Météo-France]] possèdent des supercalculateurs qui sont classés dans le [[TOP500]]<ref>{{harvsp|Top500|id=top500}}</ref>.
[[Météo-France]] prévoit fin 2020 un supercalculateur sur la plateforme Sequana XH2000, développée par [[Bull (entreprise)|Bull]] (filiale du groupe [[Atos Consulting|Atos]]) d'une puissance de calcul théorique de {{nb|20.78 pétaFLOPS}}<ref>{{harvsp|Météo-France|id=meteofrance}}</ref>.

Les modèles de prévision météorologique exaflopique seront en mesure de prédire avec plus de précision et de rapidité le moment et la trajectoire des événements météorologiques graves tels que les ouragans. Cela sera possible grâce une résolution spatiale beaucoup plus élevée, en incorporant plus d'éléments physiques et en assimilant plus de données d'observation. Ces avancées sont essentielles pour prévoir suffisamment de temps pour les évacuations et les mesures de protection par exemple<ref name="Messina_2017_4" />{{,}}<ref name="Schulthess_2018_33" />.

L'un des objectifs est de développer une architecture de référence dans les années à venir qui permettront aux modèles météorologiques et climatiques mondiaux de fonctionner à une résolution horizontale de {{nb|1 km}} avec un débit de {{nobr|1 SYPD}} (les meilleurs centres de prédiction en 2018 exécutent des simulations à une résolution spatiale de {{nb|10 à 15 km}}). Mal reproduits, voire absents dans les modèles climatiques existants, les phénomènes à petite échelle, qui jouent pourtant un rôle important, peuvent ainsi être pris en compte<ref name="Schulthess_2018_39">{{harvsp|Schulthess|2018|p=39|id=Schulthess2018}}</ref>{{,}}<ref name="Fuhrer2017_1_2" />.

== Références ==
{{Références|colonnes=4}}

== Bibliographie ==
{{légende plume}}

* {{article
| lang = en
| id = Esmaeilzadeh2011
| prénom1 = H.
| nom1 = Esmaeilzadeh
| prénom2 = E.
| nom2 = Blem
| prénom3 = R.
| nom3 = St. Amant
| prénom4 = K.
| nom4 = Sankaralingam
| prénom5 = D.
| nom5 = Burger
| titre = Dark silicon and the end of multicore scaling
| périodique = 2011 38th Annual International Symposium on Computer Architecture (ISCA)
| issn = 1063-6897 
| année = 2011
| mois = juin
| pages = 365-376
}} {{plume}}

* {{article
| lang = en
| id = Kogge2013
| prénom1 = P.
| nom1 = Kogge
| prénom2 = J.
| nom2 = Shalf
| titre = Exascale Computing Trends: Adjusting to the ''New Normal'' for Computer Architecture
| périodique = Computing in Science & Engineering
| volume = 15
| numéro = 6
| issn = 1521-9615
| année = 2013
| mois = Novembre
| pages = 16–26
| doi = 10.1109/MCSE.2013.95
}} {{plume}}

* {{article
| lang = en
| id = Geist2015
| prénom1 = A.
| nom1 = Geist
| prénom2 = E.
| nom2 = Reed
| titre = A survey of high-performance computing scaling challenges 
| périodique =  The International Journal of HighPerformance Computing Applications 2017
| volume = 31 
| année = 2015
| mois = Aout
| pages = 104-113
| doi = 10.1177/1094342015597083
}} {{plume}}

* {{article
| lang = en
| id = Fuller2011
| prénom1 = S.
| nom1 = Fuller
| prénom2 = L.
| nom2 = Millett
| titre = Computing Performance: Game Over or Next Level?
| périodique = Computer 
| volume = 44
| numéro = 1
| issn = 0018-9162
| année = 2011
| mois = Janvier
| pages = 31-38
| doi = 10.1109/MC.2011.15
}} {{plume}}

* {{article
| lang = fr
| id = Diouri2012
| prénom1 = M.
| nom1 = Diouri
| prénom2 = O.
| nom2 = Glück
| prénom3 = L.
| nom3 = Lefevre
| titre = Vers des machines exaflopiques vertes
| périodique = HAL archives-ouvertes
| année = 2012
| mois = décembre
| pages = 1-8
}} {{plume}}

* {{article
| lang = en
| id = Messina2017
| prénom1 = P.
| nom1 = Messina 
| titre = The Exascale Computing Project
| périodique = Computing in Science & Engineering
| volume = 19
| numéro = 3
| issn = 1521-9615 
| année = 2017
| mois = Mai-Juin
| pages = 63-67
| doi = 10.1109/MCSE.2017.57
}} {{plume}}

* {{article
| lang = en
| id = Reed2015
| prénom1 = D.
| nom1 = Reed 
| prénom2 = J.
| nom2 = Dongarra 
| titre = Exascale computing and big data
| périodique = Communications of the ACM
| volume = 58
| numéro = 7
| issn = 0001-0782
| année = 2015
| mois = Juillet
| pages = 56-68
| doi = 10.1145/2699414
}} {{plume}}

* {{article
| lang = en
| id = Kalbe2019
| prénom1 = G.
| nom1 = Kalbe
| titre = The European Approach to the Exascale Challenge
| périodique = Computing in Science & Engineering
| volume = 21
| numéro = 1
| issn = 1521-9615 
| année = 2019
| mois = janvier - février
| pages = 42-47
| doi = 10.1109/MCSE.2018.2884139
}}{{plume}}

* {{article
| lang = en
| id = Kothe2018
| prénom1 = D.
| nom1 = Kothe 
| prénom2 = S.
| nom2 = Lee 
| prénom3 = I.
| nom3 = Qualters 
| titre = Exascale Computing in the United States
| périodique = Computing in Science & Engineering
| volume = 21
| numéro = 1
| issn = 1521-9615
| année = 2018
| mois = octobre-décembre
| pages = 17-29
| doi = 10.1109/MCSE.2018.2875366
}}{{plume}}

* {{article
| lang = en
| id = Duro2017
| prénom1 = J.
| nom1 = Duro
| prénom2 = S.
| nom2 = Petit
| prénom3 = J.
| nom3 = Sahuquillo 
| prénom4 = M.
| nom4 = Gomez
| titre = Modeling a Photonic Network for Exascale Computing
| périodique = 2017 International Conference on High Performance Computing & Simulation (HPCS)
| année = 2017
| mois = Septembre
| doi =  10.1109/HPCS.2017.82
}} {{plume}}

* {{article
| lang = en
| id = Borkar2011
| prénom1 = M.
| nom1 = Borkar
| prénom2 = A.
| nom2 = Chien
| titre = The future of microprocessors
| périodique = Communications of the ACM
| volume = 54
| numéro = 5
| issn = 0001-0782
| année = 2011
| mois = Mai
| pages = 67-77
| doi = 10.1145/1941487.1941507
}}{{plume}}

* {{article
| lang = en
| id = Mirtaheri2017
| prénom1 = S.
| nom1 = Mirtaheri
| prénom2 = L.
| nom2 = Grandinetti
| titre = Dynamic load balancing in distributed exascale computing systems
| périodique = Cluster Comput
| volume = 20
| numéro = 4
| issn = 1386-7857
| année = 2017
| mois = Mai
| pages = 3677–3689
| doi = 10.1007/s10586-017-0902-8
}}{{plume}}

* {{article
| lang = en
| id = Vijayaraghavan2017
| prénom1 = T.
| nom1 = Vijayaraghavan
| prénom2 = Y.
| nom2 = Eckert
| prénom3 = H.
| nom3 = Loh
| prénom4 = M.
| nom4 = Schulte
| prénom5 = M.
| nom5 = Ignatowski
| prénom6= B.
| nom6 = Beckmann
| prénom7 = W.
| nom7 = Brantley
| prénom8 = J.
| nom8 = Greathouse
| prénom9 = W.
| nom9 = Huang
| prénom10 = A.
| nom10 = Karunanithi
| prénom11 = O.
| nom11 = Kayiran
| prénom12= M.
| nom12 = Meswani
| prénom13 = I.
| nom13 = Paul
| prénom14 = M.
| nom14 = Poremba
| prénom15 = S.
| nom15 = Raasch
| prénom16 = S.
| nom16 = Reinhardt
| prénom17 = G.
| nom17 = Sadowski
| prénom18= V.
| nom18 = Sridharan
| titre = Design and Analysis of an APU for Exascale Computing
| périodique = 2017 IEEE International Symposium on High Performance Computer Architecture (HPCA)
| issn = 2378-203X 
| année = 2017
| mois = Mai
| pages = 85-96
| doi = 10.1109/HPCA.2017.42
}}{{plume}}

* {{article
| lang = en
| id =  Ashraf2018
| prénom1 = U.
| nom1 =  Ashraf
| prénom2 = F.
| nom2 = Alburaei Eassa
| prénom3 = A.
| nom3 = Albeshri
| prénom4 = A.
| nom4 = Algarni
| titre = Performance and Power Efficient Massive Parallel Computational Model for HPC Heterogeneous Exascale Systems
| périodique = IEEE Access
| volume = 6
| numéro = 
| issn = 2169-3536 
| année = 2018
| mois = Avril
| pages =  23095 - 23107
| doi = 10.1109/ACCESS.2018.2823299
}}{{plume}}

* {{article
| lang = en
| id = Grant2016
| prénom1 = R.
| nom1 = Grant
| prénom2 = M.
| nom2 = Levenhagen
| prénom3 = S.
| nom3 = Olivier
| prénom4 = D.
| nom4 = DeBonis
| prénom5 = K.
| nom5 = Pedretti
| prénom6= J.
| nom6 = Laros III
| titre = Standardizing Power Monitoring and Control at Exascale
| périodique =  Computer 
| volume = 49
| numéro = 10
| issn = 0018-9162 
| année = 2016
| mois = Octobre
| pages = 38-46
| doi = 10.1109/MC.2016.308
}}{{plume}}

* {{article
| lang = en
| id = Schulthess2018
| prénom1 = T.
| nom1 = Schulthess
| prénom2 = P.
| nom2 = Bauer
| prénom3 = N.
| nom3 = Wedi
| prénom4 = O.
| nom4 = Fuhrer
| prénom5 = T.
| nom5 = Hoefler 
| prénom6= C.
| nom6 = Schär
| titre = Reflecting on the Goal and Baseline for Exascale Computing: A Roadmap Based on Weather and Climate Simulations
| périodique = Computing in Science & Engineering
| volume = 21
| numéro = 1
| issn = 1521-9615 
| année = 2018
| mois = Decembre
| pages = 30-41
| doi = 10.1109/MCSE.2018.2888788
}} {{plume}}

* {{article
| lang = en
| id = Lee2018
| prénom1 = C.
| nom1 = Lee
| prénom2 = R.
| nom2 = Amaro
| titre = Exascale Computing: A New Dawn for Computational Biology
| périodique = Computing in Science & Engineering
| volume = 20
| numéro = 5
| issn = 1521-9615 
| année = 2018
| mois = Août
| pages = 18-25
| doi = 10.1109/MCSE.2018.05329812
}}{{plume}}

* {{article
| lang = en
| id = Dauwe2018
| prénom1 = D.
| nom1 = Dauwe 
| prénom2 = S.
| nom2 = Pasricha 
| prénom3 = A.
| nom3 = Maciejewski 
| prénom4 = H.
| nom4 = Siegel
| titre = Resilience-Aware Resource Management for Exascale Computing Systems
| périodique = IEEE Transactions on Sustainable Computing 
| volume = 3
| numéro = 4
| issn = 2377-3782
| année = 2018
| mois = Janvier
| pages = 332 - 345
| doi = 10.1109/TSUSC.2018.2797890
}}{{plume}}

* {{article
| lang = en
| id = Dongarra2003
| prénom1 = J.
| nom1 = Dongarra 
| prénom2 = p.
| nom2 = Luszczek 
| prénom3 = A.
| nom3 = Petitet 
| titre = The LINPACK Benchmark: past, present and future
| périodique = Concurrency and Computation: Practice and Experience
| volume = 15
| numéro = 9
| année = 2003
| pages = 803–820
| doi = 10.1002/cpe.728
}}{{plume}}

* {{article
| lang = en
| id = Katevenis2016
| prénom1 = M.
| nom1 = Katevenis
| prénom2 = N.
| nom2 = Chrysos
| prénom3 = M.
| nom3 = Marazakis
| prénom4 = I.
| nom4 = Mavroidis
| prénom5 = F.
| nom5 = Chaix
| prénom6= N.
| nom6 = Kallimanis
| prénom7 = J.
| nom7 = Navaridas
| prénom8 = J.
| nom8 = Goodacre
| prénom9 = P.
| nom9 = Vicini
| prénom10 = A.
| nom10 = Biagioni
| prénom11 = P.S
| nom11 = Paolucci
| prénom12= A.
| nom12 = Lonardo
| prénom13 = E.
| nom13 = Pastorelli
| prénom14 = F.
| nom14 = Lo Cicero
| prénom15 = R.
| nom15 = Ammendola
| prénom16 = P.
| nom16 = Hopton
| prénom17 = P.
| nom17 = Coates
| prénom18= G.
| nom18 = Taffoni
| prénom19= S.
| nom19 = Cozzini
| prénom20= M.
| nom20 = Kersten
| prénom21 = Y.
| nom21 = Zhang
| prénom22 = J.
| nom22 = Sahuquillo
| prénom23 = S.
| nom23 = Lechago
| prénom24 = C.
| nom24 = Pinto
| prénom25= B.
| nom25 = Lietzow
| prénom26= D.
| nom26 = Everett
| prénom27= G.
| nom27 = Perna
| titre = The ExaNeSt Project: Interconnects, Storage, and Packaging for Exascale Systems
| périodique = IEEE
| année = 2016
| mois = Aout-Septembre
| pages = 60-67
| doi = 10.1109/DSD.2016.106
}}{{plume}}

* {{article
| lang = en
| id = Ammendola2017
| prénom1 = R.
| nom1 = Ammendola
| prénom2 = A.
| nom2 = Biagioni
| prénom3 = P.
| nom3 = Cretaro
| prénom4 = O.
| nom4 = Frezza
| prénom5 = F.
| nom5 = Lo Cicero
| prénom6= A.
| nom6 = Lonardo
| prénom7 = M.
| nom7 = Martinelli
| prénom8 = P.
| nom8 = Paolucci
| prénom9 = E.
| nom9 = Pastorelli
| prénom10 = F.
| nom10 = Simula
| prénom11 = P
| nom11 = Vicini
| prénom12= G.
| nom12 = Taffoni
| prénom13 = J.
| nom13 = Pascual
| prénom14 = J.
| nom14 = Navaridas
| prénom15 = M.
| nom15 = Luján
| prénom16 = J.
| nom16 = Goodacree
| prénom17 = N.
| nom17 = Chrysos
| prénom18= M.
| nom18 = Katevenis
| titre = The Next Generation of Exascale-Class Systems: The ExaNeSt Project
| périodique = IEEE
| année = 2017
| mois = Aout-Septembre
| pages = 510-515
| doi = 10.1109/DSD.2017.20
}}{{plume}}

* {{article
| lang = en
| id = Rigo2017
| prénom1 = A.
| nom1 = Rigo
| prénom2 = C.
| nom2 = Pinto
| prénom3 = K.
| nom3 = Pouget
| prénom4 = D.
| nom4 = Raho
| prénom5 = D.
| nom5 = Dutoit
| prénom6= P.
| nom6 = Martinez
| prénom7 = C.
| nom7 = Doran
| prénom8 = L.
| nom8 = Benini
| prénom9 = L.
| nom9 = Mavroidis
| prénom10 = M.
| nom10 = Marazakis
| prénom11 = V.
| nom11 = Bartsch
| prénom12= G.
| nom12 = Lonsdale
| prénom13 = A.
| nom13 = Pop
| prénom14 = J.
| nom14 = Goodacre
| prénom15 = A.
| nom15 = Colliot
| prénom16 = P.
| nom16 = Carpenter
| prénom17 = P.
| nom17 =  Radojković
| prénom18= D.
| nom18 = Pleiter
| prénom19= D.
| nom19 = Drouin
| prénom20= B.
| nom20 = Dupont de Dinechin
| titre = Paving the Way Towards a Highly Energy-Efficient and Highly Integrated Compute Node for the Exascale Revolution: The ExaNoDe Approach
| périodique = 2017 Euromicro Conference on Digital System Design (DSD)
| année = 2017
| mois = septembre
| doi = 10.1109/DSD.2017.37
}}{{plume}}

* {{article
| lang = en
| id = Dongarra2011
| prénom1 = J.
| nom1 = Dongarra
| titre = The International Exascale Software Project roadmap
| périodique = The International Journal of High Performance Computing Applications
| année = 2011
| mois = février
| pages = 3-60
| doi = 10.1177/1094342010391989
}}{{plume}}

* {{article
| lang = en
| id = Jensen2010
| prénom1 = D.
| nom1 = Jensen
| prénom2 = A.
| nom2 = Rodrigues
| titre = Embedded Systems and Exascale Computing
| périodique = Computing in Science & Engineering
| volume = 12
| numéro = 6
| issn = 1521-9615
| année = 2010
| mois = Juillet
| pages = 20-29
| doi = 10.1109/MCSE.2010.95
}}{{plume}}

* {{article
| lang = en
| id = Dauwe2017
| prénom1 = D.
| nom1 = Dauwe
| prénom2 = S.
| nom2 = Pasricha
| prénom3 = P.
| nom3 = Luszczek
| prénom4 = H.
| nom4 = Siegel
| titre = An Analysis of Resilience Techniques for Exascale Computing Platforms
| périodique = 2017 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW)
| année = 2017
| mois = Août
| doi =  10.1109/IPDPSW.2017.41
}}{{plume}}

* {{article
| lang = en
| id = Shoukourian2017
| prénom1 = H.
| nom1 = Shoukourian
| prénom2 = T.
| nom2 = Wilde
| prénom3 = D.
| nom3 = Labrenz
| prénom4 = A.
| nom4 = Bode
| titre = Using Machine Learning for Data Center Cooling Infrastructure Efficiency Prediction
| périodique =  2017 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW)
| année = 2017
| mois = Mai-Juin 2017
| pages = 954-963
| doi = 10.1109/IPDPSW.2017.25
}}{{plume}}

* {{article
| lang = en
| id = Theis2017
| prénom1 = T.
| nom1 = Theis
| prénom2 = P.
| nom2 = Wong
| titre = The End of Moore's Law: A New Beginning for Information Technology
| périodique =  Computing in Science & Engineering 
| volume = 19
| numéro = 2
| issn = 1521-9615 
| année = 2017
| mois = Mars - Avril
| pages = 41-50
| doi = 10.1109/MCSE.2017.29
}}{{plume}}

* {{article
| lang = en
| id = Fuhrer2017
| prénom1 = O.
| nom1 = Fuhrer
| prénom2 = T.
| nom2 = Chadha
| prénom3 = T.
| nom3 = Hoefler
| prénom4 = G.
| nom4 = Kwasniewski
| prénom5 = X.
| nom5 = Lapillonne
| prénom6= D.
| nom6 = Leutwyler
| prénom7 = D.
| nom7 = Lüthi
| prénom8 = C.
| nom8 = Osuna
| prénom9 = C.
| nom9 = Schär
| prénom10 = T.
| nom10 = Schulthess
| prénom11 = v.
| nom11 = Vogt
| titre = Near-global climate simulation at 1km resolution: establishing a performance baseline on 4888 GPUs with COSMO 5.0
| périodique = Copernicus Publications on behalf of the European Geosciences Union
| année = 2017
| mois = Septembre
| doi = 10.5194/gmd-11-1665-2018
}}{{plume}}

* {{article
| lang = en
| id = Pascual2017
| prénom1 = J.
| nom1 = Pascual
| prénom2 = J.
| nom2 = Lant
| prénom3 = A.
| nom3 = Attwood
| prénom4 = C.
| nom4 = Concatto
| prénom5 = J.
| nom5 = Navaridas
| prénom6= M.
| nom6 = Luján
| prénom7 = J.
| nom7 = Goodacre
| titre = Designing an exascale interconnect using multi-objective optimization
| périodique =  2017 IEEE Congress on Evolutionary Computation (CEC)
| année = 2017
| mois = Juin
| pages = 85-96
| doi = 10.1109/CEC.2017.7969572
}}{{plume}}

* {{article
| lang = en
| id = Ahrens2015
| prénom1 = J.
| nom1 = Ahrens
| prénom2 = T.
| nom2 = Rhyne
| titre = Increasing Scientific Data Insights about Exascale Class Simulations under Power and Storage Constraints
| périodique = IEEE Computer Graphics and Applications
| volume = 35
| numéro = 2
| issn = 0272-1716
| année = 2015
| mois = Mars
| pages = 8-11
| doi = 10.1109/MCG.2015.35
}}{{plume}}

* {{article
| lang = en
| id = Strohmaier2015
| prénom1 = E.
| nom1 = Strohmaier
| prénom2 = H.
| nom2 = Meuer
| prénom3 = J.
| nom3 = Dongarra
| prénom4 = H.
| nom4 = Simon
| titre = The TOP500 List and Progress in High-Performance Computing
| périodique =  Computer 
| volume = 48
| numéro = 11
| issn = 0018-9162 
| année = 2015
| mois = Novembre
| pages = 42-49
| doi = 10.1109/MC.2015.338
}}{{plume}}

* {{article
| lang = en
| id = Rumley2014
| prénom1 = S.
| nom1 = Rumley
| prénom2 = D.
| nom2 = Nikolova
| prénom3 = R.
| nom3 = Hendry
| prénom4 = Q.
| nom4 = Li
| prénom5 = D.
| nom5 = Calhoun
| prénom6= K.
| nom6 = Bergman
| titre = Silicon Photonics for Exascale Systems
| périodique = Journal of Lightwave Technology
| volume = 33
| numéro = 3
| issn = 0733-8724 
| année = 2014
| mois = Octobre
| pages = 547 - 562
| doi = 10.1109/JLT.2014.2363947
}}{{plume}}

* {{article
| lang = en
| id = Shalf2010
| prénom1 = J.
| nom1 = Shalf
| prénom2 = S.
| nom2 = Dosanjh
| prénom3 = J.
| nom3 = Morrison
| titre = Exascale Computing Technology Challenges
| périodique = High Performance Computing for Computational Science – VECPAR 2010
| volume = 6449
| année = 2010
| pages = 1-25
| doi = https://doi.org/10.1007/978-3-642-19328-6_1
}}{{plume}}

* {{article
| lang = en
| id = Xingfu1999
| prénom1 = W. 
| titre = Performance Evaluation, Prediction and Visualization of Parallel Systems
| périodique = livre | isbn= 978-0-7923-8462-5
| volume = 20 
| numéro = 5 
| issn = 1521-9615
| année = 1999
| pages = 114–117
}}

* {{article
| lang = en
| id = Som2018
| prénom1 = S. 
| nom1 = Som 
| prénom2 = Y. 
| nom2 = Pei 
| titre = HPC Opens a New Frontier in Fuel-Engine Research
| périodique = Computing in Science & Engineering
| volume = 20 
| numéro = 5 
| issn = 1521-9615
| année = 2018
| mois = septembre
| pages = 77–80
| doi = 10.1109/mcse.2018.05329817
}}

* {{article
| lang = en
| id = Borkar2013
| prénom1 = S.
| nom1 = Borkar
| titre = Exascale computing - A fact or a fiction?
| périodique = 2013 IEEE 27th International Symposium on Parallel and Distributed Processing
| issn = 1530-2075 
| année = 2013
| mois = July
| pages = 3
| doi = 10.1109/IPDPS.2013.121
}}

* {{article
| lang = en
| id = VECPAR2012
| nom1 = VECPAR 
| titre = High performance computing for computational science-- VECPAR 2012 : 10th International Conference
| périodique = VECPAR 
| année = 2012
| mois = Juillet
}}

* {{article
| lang = en
| id = Agerwala2010
| prénom1 = T.
| nom1 = Agerwala
| titre = Exascale computing: The challenges and opportunities in the next decade
| périodique = HPCA - 16 2010 The Sixteenth International Symposium on High-Performance Computer Architecture
| issn = 1530-0897 
| année = 2010
| mois = Janvier
| doi = 10.1109/HPCA.2010.5416662
}}

* {{article
| lang = en
| id = Snir2014
| prénom1 = M.
| nom1 = Snir 
| prénom2 = R.
| nom2 = Wisniewski 
| prénom3 = J.
| nom3 = Abraham 
| prénom4 = S.
| nom4 = Adve 
| titre = Addressing failures in exascale computing
| périodique = The International Journal of High Performance Computing Applications 
| volume = 28
| numéro = 2
| issn = 1094-3420
| année = 2014
| mois = Mai
| pages = 129-173
| doi = 10.1177/1094342014522573
}}

* {{article
| lang = en
| id = Gottlieb2013
| prénom1 = S.
| nom1 = Sterling
| prénom2 = T.
| nom2 = Sterling 
| titre = Exascale Computing [Guest Editorial]
| périodique = Computing in Science & Engineering
| volume = 15 
| numéro = 6 
| issn = 1521-9615 
| année = 2013
| mois = Novembre-Decembre
| pages = 12-15
| doi = 10.1109/mcse.2013.122
}}

* {{article
| lang = en
| id = Yang2011
| prénom1 = X.
| nom1 = Yang
| prénom2 = Z.
| nom2 = Wang
| prénom3 = J.
| nom3 = Xue
| prénom4 = Y.
| nom4 = Zhou
| titre = The Reliability Wall for Exascale Supercomputing
| périodique = IEEE Transactions on Computers
| volume = 61
| numéro = 6
| issn = 0018-9340 
| année = 2011
| mois = Juin
| pages = 767 - 779
| doi = 10.1109/TC.2011.106
}}

* {{article
| lang = en
| id = Cappello2014
| prénom1 = F.
| nom1 = Cappello
| prénom2 = A.
| nom2 = Geist
| prénom3 = W.
| nom3 = Gropp
| prénom4 = S.
| nom4 = Kale
| prénom5 = B.
| nom5 = Kramer
| prénom6= M.
| nom6 = Snir
| titre = Toward Exascale Resilience: 2014 Update
| périodique = Supercomputing Frontiers and Innovations: an International Journal
| issn = 2409-6008
| année = 2014
| mois = Avril
| pages = 1-24
| doi = 10.14529/jsfi140101
}}

* {{article
| lang = en
| id = Dauwe2016
| prénom1 = D.
| nom1 = Dauwe
| prénom2 = S.
| nom2 = Pasricha
| prénom3 = A.
| nom3 = Maciejewski
| prénom4 = H.
| nom4 = Siegel
| titre = A Performance and Energy Comparison of Fault Tolerance Techniques for Exascale Computing Systems
| périodique = 2016 IEEE International Conference on Computer and Information Technology (CIT)
| année = 2016
| mois = Mars
| pages = 1 - 8
| doi = 10.1109/CIT.2016.44
}}

* {{article
| lang = en
| id = Lapenta2012
| prénom1 = G.
| nom1 = Lapenta
| prénom2 = S.
| nom2 = Markidis
| prénom3 = S.
| nom3 = Poedts
| prénom4 = D.
| nom4 = Vucinic
| titre = Space Weather Prediction and Exascale Computing
| périodique = Computing in Science & Engineering
| volume = 15
| numéro = 5
| issn = 1521-9615 
| année = 2012
| mois = Juillet
| pages = 68-76
| doi = 10.1109/MCSE.2012.86
}}

* {{article
| lang = en
| id = Mavroidis2016
| prénom1 = L.
| nom1 = Mavroidis
| prénom2 = L.
| nom2 = Papaefstathiou
| prénom3 = L.
| nom3 = Lavagno
| prénom4 = D.
| nom4 = Nikolopoulos
| prénom5 = D.
| nom5 = Koch
| prénom6= J.
| nom6 = Goodacre
| prénom7 = L.
| nom7 = Sourdis
| prénom8 = V.
| nom8 = Papaefstathiou
| prénom9 = M.
| nom9 = Coppola
| prénom10 = M.
| nom10 = Palomino
| titre = ECOSCALE: Reconfigurable computing and runtime system for future exascale systems
| périodique = IEEE
| issn = 1558-1101 
| année = 2016
| mois = Mars
| pages = 696–701
}}

* {{article
| lang = en
| id = Dally2011
| prénom1 = B.
| nom1 = Dally
| titre = Power, Programmability, and Granularity: The Challenges of ExaScale Computing
| périodique = 2011 IEEE International Parallel & Distributed Processing Symposium
| issn = 1530-2075 
| année = 2011
| mois = Septembre
| doi = 10.1109/IPDPS.2011.420
}}

* {{article
| lang = en
| id = Dongarra2017
| prénom1 = J.
| nom1 = Dongarra
| prénom2 = S.
| nom2 = Tomov
| prénom3 = P.
| nom3 = Luszczek
| prénom4 = J.
| nom4 = Kurzak
| prénom5 = M.
| nom5 = Gates
| prénom6= I.
| nom6 = Yamazaki
| prénom7 = H.
| nom7 = Anzt
| prénom8 = A.
| nom8 = Haidar
| prénom9 = A.
| nom9 = Abdelfattah
| titre = With Extreme Computing, the Rules Have Changed
| périodique = Computing in Science & Engineering
| volume = 19
| numéro = 3
| issn = 1521-9615 
| année = 2017
| mois = Avril
| pages = 52-62
| doi = 10.1109/MCSE.2017.48
}}

* {{article
| lang = en
| id = Balaprakash2013
| prénom1 = P.
| nom1 = Balaprakash
| prénom2 = D.
| nom2 = Buntinas
| prénom3 = A.
| nom3 = Chan
| prénom4 = A.
| nom4 = Guha
| prénom5 = R.
| nom5 = Gupta
| prénom6= S.
| nom6 = Narayanan
| prénom7 = A.
| nom7 = Chien
| prénom8 = P.
| nom8 = Hovland
| prénom9 = B.
| nom9 = Norris
| titre = Exascale workload characterization and architecture implications
| périodique = 2013 IEEE International Symposium on Performance Analysis of Systems and Software (ISPASS)
| année = 2013
| mois = Juillet
| doi = 10.1109/ISPASS.2013.6557153
}}

* {{article
| lang = en
| id = Mair2015
| prénom1 = J.
| nom1 = Mair
| prénom2 = Z.
| nom2 = Huang
| prénom3 = D.
| nom3 = Eyers
| prénom4 = Y.
| nom4 = Chen
| titre = Quantifying the Energy Efficiency Challenges of Achieving Exascale Computing
| périodique = 2015 15th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing
| année = 2015
| mois = Juillet
| doi = 10.1109/CCGrid.2015.130
}}

* {{article
| lang = en
| id = Zounmevo2015
| prénom1 = J.
| nom1 = Zounmevo
| prénom2 = S.
| nom2 = Perarnau
| prénom3 = K.
| nom3 = Iskra
| prénom4 = K.
| nom4 = Yoshii
| prénom5 = R.
| nom5 = Gioiosa
| prénom6= B.
| nom6 = Van Essen
| prénom7 = M.
| nom7 = Gokhale
| prénom8 = E.
| nom8 = Leon
| titre = A Container-Based Approach to OS Specialization for Exascale Computing
| périodique = 2015 IEEE International Conference on Cloud Engineering
| année = 2015
| mois = Avril
| pages = 85-96
| doi = 10.1109/IC2E.2015.78
}}

* {{article
| lang = en
| id = Borkar2010
| prénom1 = S.
| nom1 = Borkar
| titre = The Exascale challenge
| périodique =  Proceedings of 2010 International Symposium on VLSI Design, Automation and Test
| année = 2010
| mois = Juin 
| doi = 10.1109/VDAT.2010.5496640
}}

* {{article
| lang = en
| id = Karanth_Kodi2014
| prénom1 = A.
| nom1 = Karanth Kodi
| prénom2 = B.
| nom2 = Neel
| prénom3 = W.
| nom3 = Brantley
| titre = Photonic Interconnects for Exascale and Datacenter Architectures
| périodique = IEEE Micro
| volume = 35
| numéro = 5
| issn = 0272-1732 
| année = 2014
| mois = Juillet
| pages = 18-30
| doi = 10.1109/MM.2014.62
}}

* {{article
| lang = en
| id = Bar-Cohen2006
| prénom1 = A.
| nom1 = Bar-Cohen
| prénom2 = M.
| nom2 = Arik
| prénom3 = M.
| nom3 = Ohadi
| titre = Direct Liquid Cooling of High Flux Micro and Nano Electronic Components
| périodique = Proceedings of the IEEE 
| volume = 94
| numéro = 8
| issn = 0018-9219 
| année = 2006
| mois = Septembre
| pages = 1549 - 1570
| doi = 10.1109/JPROC.2006.879791
}}

== Liens externes ==
* {{Lien web
 | id = linuxtop500
 | langue           = en
 | url              = https://www.top500.org/statistics/details/osfam/1
 | titre            = Operating system Family / Linux 
 | consulté le      = 4 janvier 2020
}}{{plume}}
* {{Lien web
 | id = top500
 | langue           = en
 | url              = https://www.top500.org/
 | titre            = TOP500 Supercomputer
 | consulté le      = 4 janvier 2020
}}{{plume}}
* {{Lien web
 | id = meteofrance
 | langue           = fr
 | url              = http://www.meteofrance.fr/nous-connaitre/activites-et-metiers/les-supercalculateurs-de-meteo-france
 | titre            = Les supercalculateurs de Météo-France
 | consulté le      = 4 janvier 2020
}}{{plume}}
* {{Lien web
 | id = top500
 | langue           = en
 | url              = https://www.top500.org/news/retooled-aurora-supercomputer-will-be-americas-first-exascale-system/
 | titre            = Retooled Aurora Supercomputer Will Be America’s First Exascale System 
 | consulté le      = 8 janvier 2020
}}{{plume}}
* {{Lien web
 | id = cray-elcapitan
 | langue           = en
 | url              = https://www.cray.com/company/news-and-media/doe-el-capitan-press-release
 | titre            = Department of Energy, National Nuclear Security Administration and Lawrence Livermore National Laboratory announce partnership with Cray to develop NNSA’s first exascale supercomputer 
 | consulté le      = 8 janvier 2020
}}{{plume}}
* {{Lien web
 | id = intel
 | langue           = en
 | url              = https://newsroom.intel.com/news-releases/u-s-department-energy-intel-deliver-first-exascale-supercomputer/#gs.j7a51t
 | titre            = US Department of Energy and Intel to Deliver First Exascale Supercomputer 
 | consulté le      = 8 janvier 2020
}}{{plume}}
* {{Lien web
 | id = energy.gov
 | langue           = en
 | url              = https://www.energy.gov/articles/doe-s-nnsa-signs-600-million-contract-build-its-first-exascale-supercomputer
 | titre            = UDOE’s NNSA signs $600 million contract to build its first exascale supercomputer
 | consulté le      = 8 janvier 2020
}}{{plume}}
* {{Lien web
 | id = cray-aurora
 | langue           = en
 | url              = https://investors.cray.com/news-releases/news-release-details/first-us-exascale-supercomputer-be-cray-shasta-system?ID=2391628&c=98390&p=irol-newsArticle
 | titre            = First U.S. Exascale Supercomputer to Be a Cray Shasta System
 | consulté le      = 9 janvier 2020
}}{{plume}}
* {{Lien web
 | id = cray-frontier
 | langue           = en
 | url              = https://www.cray.com/company/news-and-media/doe-frontier-press-release
 | titre            = U.S. Department of Energy and Cray to Deliver Record-Setting Frontier Supercomputer at ORNL
 | consulté le      = 9 janvier 2020
}}{{plume}}
* {{Lien web
 | id = Chine
 | langue           = en
 | url              = http://english.cas.cn/newsroom/archive/china_archive/cn2016/201606/t20160616_164450.shtml
 | titre            = China's Exascale Supercomputer Operational by 2020
 | consulté le      = 9 janvier 2020
}}{{plume}}
* {{Lien web
 | id = Japon2019
 | langue           = en
 | url              = https://www.fujitsu.com/global/Images/post-k-supercomputer-development.pdf
 | titre            = POST-K SUPERCOMPUTER DEVELOPMENT, 12/03/2019
 | consulté le      = 10 janvier 2020
}}{{plume}}

{{Palette|Domaines de l'informatique |Informatique théorique}}
{{Portail|informatique}}

[[Catégorie:Superordinateur]]
[[Catégorie:Calcul parallèle]]