Stage - Visualisation in situ de données de simulation sur GPU

CANDIDATURES ACCEPTÉES POUR DES STAGES COMMENÇANT EN SEPTEMBRE 2025-----ContexteL’analyse in situ(1) est une nouvelle approche de post-traitement des données de simulation en temps réel, qui complète les méthodes traditionnelles utilisant des fichiers stockés sur disque, en accédant directement à la mémoire de la simulation numérique sans aucune copie mémoire. Elle permet un post-traitement efficace de données volumineuses lorsque l'écriture des données de sortie sur disque constitue le principal goulot d'étranglement en termes de performance.Kitware développe la bibliothèque open source Catalyst 2 pour réaliser des analyses in situ de simulations numériques à grande échelle(2), utilisant principalement ParaView(3) et VTK(4). Les développements récents incluent aussi l’analyse in transit(5), où les données sont déplacées vers un autre ensemble de nœuds de calcul, et l’analyse hybride in situ/in transit de données à grande échelle(6).Kitware est impliqué dans de nombreux projets liés au calcul exascale comme l’Exascale Computing Project aux États-Unis, le projet NumPEx en France et la machine exascale JUPITER en Allemagne, où les techniques in situ et in transit sont au cœur de nombreux projets.Catalyst est très performant pour les simulations CPU à grande échelle dans les environnements de calcul haute performance (HPC). Cependant, de plus en plus de codes de simulation numérique modernes effectuent leurs principales opérations à l'aide d'unités de calcul graphique à usage général (GPGPU) pour un traitement plus rapide. Cela crée de nouveaux défis pour l'analyse in situ, car les données de simulation peuvent désormais être stockées dans la mémoire du GPU, ce qui nécessite un traitement différent et plus complexe des données.Kitware travaille activement sur une version de Catalyst GPU, qui tente de gérer la mémoire vidéo GPU dans l'analyse et la visualisation in situ de Catalyst, sans déplacer les données vers la mémoire principale(7). Ces techniques s'appuient sur des bibliothèques tierces  prenant en charge des architectures matérielles hétérogènes telles que Viskores (anciennement VTK-m) ou ADIOS2(9).
ObjectifsL'objectif de ce stage est d'identifier les limites actuelles de Catalyst en matière de simulations numériques basées sur GPU, puis de rechercher et de développer de nouvelles techniques permettant de réaliser des analyses in situ efficaces grâce à Catalyst et aux traitements GPU. Ces techniques seront testées sur des simulations réelles basées sur GPU, idéalement en utilisant des ressources HPC pour des tests à grande échelle.
DuréeCe stage d’une durée de 6 mois se déroulera dans les bureaux de Kitware à Villeurbanne. (France).
-------1 -  Childs, H.; Ahern, S.; Ahrens, J.; Bauer, A.; Bennett, J.; Bethel, E., et al. (2020). A terminology for in situ visualization and analysis systems. The International Journal of High Performance Computing Applications, 34(6), 676-691. Report #: ARTN 1094342020935991. http://dx.doi.org/10.1177/1094342020935991 
-2- Ayachit, U., Bauer Andrew C., Boeckel Ben, Geveci Berk, Moreland Kenneth, O`Leary Patrick, Osika Tom  (2021). Catalyst Revised: Rethinking the ParaView in Situ Analysis and Visualization API. In: Jagode, H., Anzt, H., Ltaief, H., Luszczek, P. (eds) High Performance Computing. ISC High Performance 2021. Lecture Notes in Computer Science(), vol 12761. Springer, Cham. https://doi.org/10.1007/978-3-030-90539-2_33
-3- Ahrens, James, Geveci, Berk, Law, Charles, ParaView: An End-User Tool for Large Data Visualization, Visualization Handbook, Elsevier, 2005, ISBN-13: 9780123875822
-4-  Schroeder, Will; Martin, Ken; Lorensen, Bill (2006), The Visualization Toolkit (4th ed.), Kitware, ISBN 978-1-930934-19-1
-5-  Mazen, F., Givord, L., Gueunet, C. (2023). Catalyst-ADIOS2: In Transit Analysis for Numerical Simulations Using Catalyst 2 API. In: Bienz, A., Weiland, M., Baboulin, M., Kruse, C. (eds) High Performance Computing. ISC High Performance 2023. Lecture Notes in Computer Science, vol 13999. Springer, Cham. https://doi.org/10.1007/978-3-031-40843-4_20 
-6- Mazen, F., Gombert, L., Givord, L., Gueunet, C. (2025). In Situ in Transit Hybrid Analysis with Catalyst-ADIOS2. In: Weiland, M., Neuwirth, S., Kruse, C., Weinzierl, T. (eds) High Performance Computing. ISC High Performance 2024 International Workshops. ISC High Performance 2023. Lecture Notes in Computer Science, vol 15058. Springer, Cham. https://doi.org/10.1007/978-3-031-73716-9_34 
-7-  https://www.kitware.com/catalyst2-gpu-resident-workflows/ 
-8-  K. Moreland et al., "VTK-m: Accelerating the Visualization Toolkit for Massively Threaded Architectures," in IEEE Computer Graphics and Applications, vol. 36, no. 3, pp. 48-58, May-June 2016, https://doi.org/10.1109/MCG.2016.48 
-9-  https://adios-io.org/ ------

Missions et résultats attendus

• État de l'art de l'analyse in situ et en transit des simulations numériques basées sur GPU (Ascent, LibSim, Catalyst, Viskores…)
• Analyse des enjeux de l'analyse in situ sur GPU : zéro copie, données distribuées, performances, etc.
• Travaux de recherche et développement qui contribueront à l’état de l’art
• Développements de preuves de concept pour valider la recherche
• Intégration dans les codes open source de Catalyst et ParaView
• Tests avec des cas d'utilisation industriels
• Tests de performance et comparaison avec l'analyse du processeur uniquement
• Contributions à la communauté scientifique (poster, article court, communications, présentations à des conférences, billets de blog, etc.), selon le calendrier.

Profil & compétences requises

• Niveau école d'ingénieur 4ème année minimum / Master 2
• Bon niveau en C++
• Bon niveau en anglais 

Compétences appréciées

• Notions de CMake
• Connaissance en python
• Connaissances de la bibliothèque Qt
• Une première approche de la bibliothèque VTK et du logiciel ParaView
• Connaissances en méthodes de visualisation
• Contributions à des logiciels open-source

Description de la sociétéKitware est une entreprise à taille humaine qui  se mobilise pour avoir un grand impact sur le monde. Ses collaborateurs s'investissent au quotidien pour faire progresser la science et la technologie afin de favoriser l'innovation mondiale et résoudre les défis mondiaux. Cela est possible en développant des plateformes logicielles open source innovantes et en faisant en sorte de les intégrer autant que possible dans des solutions logicielles open source et en contribuant directement à l'open science dans un esprit collaboratif.
Nous fournissons des services commerciaux à des sociétés allant des startups aux sociétés du CAC 40. Kitware utilise un modèle commercial de services autour de ses solutions open source pour développer des communautés collaboratives étendues et fournir des solutions techniques flexibles et de grande qualité. Si vous avez utilisé CMake, ITK ou VTK, Paraview ou LidarView, vous connaissez notre travail et son impact sur les communautés que nous aidons à créer.