Stage - Visualisation in situ de données de simulation sur GPU
Lyon, France
Kitware
Our renowned researchers and developers are experts in advanced technical computing. Through a highly competitive and selective hiring process, weâve cultivated a team of internationally renowned researchers and developers in advanced technical...
CANDIDATURES ACCEPTĂES POUR DES STAGES COMMENĂANT EN SEPTEMBRE 2025-----ContexteLâanalyse in situ(1) est une nouvelle approche de post-traitement des donnĂ©es de simulation en temps rĂ©el, qui complĂšte les mĂ©thodes traditionnelles utilisant des fichiers stockĂ©s sur disque, en accĂ©dant directement Ă la mĂ©moire de la simulation numĂ©rique sans aucune copie mĂ©moire. Elle permet un post-traitement efficace de donnĂ©es volumineuses lorsque l'Ă©criture des donnĂ©es de sortie sur disque constitue le principal goulot d'Ă©tranglement en termes de performance.Kitware dĂ©veloppe la bibliothĂšque open source Catalyst 2 pour rĂ©aliser des analyses in situ de simulations numĂ©riques Ă grande Ă©chelle(2), utilisant principalement ParaView(3) et VTK(4). Les dĂ©veloppements rĂ©cents incluent aussi lâanalyse in transit(5), oĂč les donnĂ©es sont dĂ©placĂ©es vers un autre ensemble de nĆuds de calcul, et lâanalyse hybride in situ/in transit de donnĂ©es Ă grande Ă©chelle(6).Kitware est impliquĂ© dans de nombreux projets liĂ©s au calcul exascale comme lâExascale Computing Project aux Ătats-Unis, le projet NumPEx en France et la machine exascale JUPITER en Allemagne, oĂč les techniques in situ et in transit sont au cĆur de nombreux projets.Catalyst est trĂšs performant pour les simulations CPU Ă grande Ă©chelle dans les environnements de calcul haute performance (HPC). Cependant, de plus en plus de codes de simulation numĂ©rique modernes effectuent leurs principales opĂ©rations Ă l'aide d'unitĂ©s de calcul graphique Ă usage gĂ©nĂ©ral (GPGPU) pour un traitement plus rapide. Cela crĂ©e de nouveaux dĂ©fis pour l'analyse in situ, car les donnĂ©es de simulation peuvent dĂ©sormais ĂȘtre stockĂ©es dans la mĂ©moire du GPU, ce qui nĂ©cessite un traitement diffĂ©rent et plus complexe des donnĂ©es.Kitware travaille activement sur une version de Catalyst GPU, qui tente de gĂ©rer la mĂ©moire vidĂ©o GPU dans l'analyse et la visualisation in situ de Catalyst, sans dĂ©placer les donnĂ©es vers la mĂ©moire principale(7). Ces techniques s'appuient sur des bibliothĂšques tierces prenant en charge des architectures matĂ©rielles hĂ©tĂ©rogĂšnes telles que Viskores (anciennement VTK-m) ou ADIOS2(9).
ObjectifsL'objectif de ce stage est d'identifier les limites actuelles de Catalyst en matiÚre de simulations numériques basées sur GPU, puis de rechercher et de développer de nouvelles techniques permettant de réaliser des analyses in situ efficaces grùce 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.
DurĂ©eCe stage dâune durĂ©e de 6 mois se dĂ©roulera dans les bureaux de Kitware Ă Villeurbanne. (France).
-------1 - Â 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/10.1177/1094342020935991Â
-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- Â Schroeder, Will; Martin, Ken; Lorensen, Bill (2006), The Visualization Toolkit (4th ed.), Kitware, ISBN 978-1-930934-19-1
-5- Â 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_20Â
-6-Â 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_34Â
-7- Â https://www.kitware.com/catalyst2-gpu-resident-workflows/Â
-8- Â 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.2016.48Â
-9- Â https://adios-io.org/Â ------
Nous fournissons des services commerciaux à des sociétés allant des startups aux sociétés du CAC 40. Kitware utilise un modÚle 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.
ObjectifsL'objectif de ce stage est d'identifier les limites actuelles de Catalyst en matiÚre de simulations numériques basées sur GPU, puis de rechercher et de développer de nouvelles techniques permettant de réaliser des analyses in situ efficaces grùce 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.
DurĂ©eCe stage dâune durĂ©e de 6 mois se dĂ©roulera dans les bureaux de Kitware Ă Villeurbanne. (France).
-------1 - Â 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/10.1177/1094342020935991Â
-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- Â Schroeder, Will; Martin, Ken; Lorensen, Bill (2006), The Visualization Toolkit (4th ed.), Kitware, ISBN 978-1-930934-19-1
-5- Â 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_20Â
-6-Â 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_34Â
-7- Â https://www.kitware.com/catalyst2-gpu-resident-workflows/Â
-8- Â 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.2016.48Â
-9- Â https://adios-io.org/Â ------
Missions et résultats attendus
- Ătat de l'art de l'analyse in situ et en transit des simulations numĂ©riques basĂ©es sur GPU (Ascent, LibSim, Catalyst, ViskoresâŠ)
- Analyse des enjeux de l'analyse in situ sur GPU : zéro copie, données distribuées, performances, etc.
- Travaux de recherche et dĂ©veloppement qui contribueront Ă lâĂ©tat de lâart
- 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 4Úme année minimum / Master 2
- Bon niveau en C++
- Bon niveau en anglaisÂ
Compétences appréciées
- Notions de CMake
- Connaissance en python
- Connaissances de la bibliothĂšque Qt
- Une premiĂšre approche de la bibliothĂšque VTK et du logiciel ParaView
- Connaissances en méthodes de visualisation
- Contributions Ă des logiciels open-source
Nous fournissons des services commerciaux à des sociétés allant des startups aux sociétés du CAC 40. Kitware utilise un modÚle 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.
* Salary range is an estimate based on our AI, ML, Data Science Salary Index đ°
Job stats:
1
0
0
Category:
Visualization Jobs
Tags: APIs Architecture CMake Computer Science Data visualization GPU HPC Open Source Python
Region:
Europe
Country:
France
More jobs like this
Explore more career opportunities
Find even more open roles below ordered by popularity of job title or skills/products/technologies used.
Power BI Developer jobsBusiness Intelligence Developer jobsPrincipal Data Engineer jobsBI Developer jobsStaff Data Scientist jobsStaff Machine Learning Engineer jobsPrincipal Software Engineer jobsJunior Data Analyst jobsData Science Intern jobsDevOps Engineer jobsData Manager jobsData Science Manager jobsSoftware Engineer II jobsAccount Executive jobsStaff Software Engineer jobsData Analyst Intern jobsLead Data Analyst jobsBusiness Data Analyst jobsAI/ML Engineer jobsSr. Data Scientist jobsData Specialist jobsData Governance Analyst jobsSenior Backend Engineer jobsData Engineer III jobsBusiness Intelligence Analyst jobs
Consulting jobsMLOps jobsAirflow jobsOpen Source jobsEconomics jobsLinux jobsKPIs jobsKafka jobsTerraform jobsGitHub jobsJavaScript jobsPostgreSQL jobsRDBMS jobsData Warehousing jobsNoSQL jobsClassification jobsBanking jobsStreaming jobsScikit-learn jobsPrompt engineering jobsRAG jobsComputer Vision jobsPhysics jobsGoogle Cloud jobsPandas jobs
Hadoop jobsOracle jobsScala jobsdbt jobsBigQuery jobsLooker jobsReact jobsGPT jobsData warehouse jobsR&D jobsLangChain jobsScrum jobsPySpark jobsDistributed Systems jobsMicroservices jobsCX jobsELT jobsIndustrial jobsSAS jobsOpenAI jobsJira jobsRedshift jobsModel training jobsTypeScript jobsJenkins jobs