code_aster et le calcul HPC
4 Mai 2027
Synthèse de la formation
Voir la fiche formationVous vous reconnaissez ?
- Vous lancez des calculs de plus en plus gros mais vous ne savez pas quand et comment paralléliser, ni où se situe réellement le coût de calcul.
- Vous hésitez entre mémoire partagée, mémoire distribuée et hybridation MPI/OpenMP, et vous ne mesurez pas l'impact de ce choix sur vos ressources et vos temps de restitution.
- Vous avez essayé d'activer le parallélisme dans code_aster mais vous ne savez pas quels mots-clés utiliser ni comment structurer votre mise en données en conséquence.
- Vous obtenez un speed-up décevant sur cluster et vous ne savez pas diagnostiquer si le problème vient du solveur, du partitionnement du modèle, ou du dimensionnement des ressources demandées.
Pourquoi notre formation en particulier ?
Des fondamentaux au calcul industriel
Vous partez des bases du calcul parallèle pour arriver à un cas industriel exécuté et mesuré sur cluster. Chaque notion théorique est immédiatement reliée à une pratique dans code_aster.
Deux TP pour ancrer la pratique
Vous ne vous contentez pas de lancer des options : vous paralléllisez un calcul et mesurez son speed-up, puis vous diagnostiquez et optimisez les performances d'un calcul qui scale mal.
Des formateurs praticiens, en face de vous
Nos ingénieurs et docteurs utilisent code_aster quotidiennement sur des projets industriels chez Simvia. En présentiel, ils vous partagent en direct les bonnes pratiques et les pièges à éviter, que vous ne trouverez dans aucune documentation.
Un encadrement de proximité
Petit groupe de stagiaires, formateur disponible pour débloquer chacun pendant les travaux pratiques.
Une méthode de diagnostic réutilisable
Vous repartez avec une grille de lecture simple pour identifier, sur vos propres calculs, si le goulot d'étranglement vient du solveur, du partitionnement ou du dimensionnement des ressources.
Public
- Entreprise : ingénieurs de calcul utilisant code_aster sur des modèles de grande taille et souhaitant réduire leurs temps de restitution.
- Académique : chercheurs et doctorants menant des calculs intensifs nécessitant un passage à l'échelle.
Prérequis
Maîtrise de base de code_aster (mise en données, lancement d'un calcul). Notions générales sur le calcul parallèle appréciées mais non requises. Aucune expérience HPC préalable nécessaire.
Programme détaillé
Matin : fondamentaux du calcul parallèle et architecture HPC de code_aster
- HPC et calcul EF : pourquoi paralléliser ? Où se situe le coût dans un calcul éléments finis ?
- Fondamentaux du calcul parallèle : mémoire partagée, mémoire distribuée, hybridation MPI/OpenMP.
- Partitionnement et solveurs : décomposition de domaine et stratégies de résolution parallèle.
- HPC dans code_aster : architecture du code, options et possibilités de parallélisation disponibles.
Après-midi : mise en œuvre, TP et diagnostic de performance
- Mise en œuvre pratique : mots-clés, options de parallélisation, structuration d'une mise en données pour un calcul parallèle.
- TP : paralléliser un calcul code_aster : lancement d'un calcul sur plusieurs cœurs/processus, mesure du speed-up et de l'efficacité parallèle.
- Performance et bonnes pratiques : scaling, choix des ressources, indicateurs de diagnostic à surveiller.
- TP : diagnostiquer et optimiser un calcul industriel : analyse d'un calcul qui scale mal, identification du goulot d'étranglement (solveur, partition, ressources) et ajustement.
Détails pratiques
- Dates
- 4 Mai 2027
- Durée
- 1 jour(s)
- Lieu
- En ligne
- Langue
- English
Disponible pour une formation en ligne uniquement
Indicateurs de performance
- Participants formés
- -
- Taux d’assiduité
- -
- Taux de satisfaction
- -
- Taux de réussite
- -
Accessibilité
Nous nous engageons à favoriser l’accès de nos formations aux personnes en situation de handicap. Chaque situation étant unique, nous vous invitons à nous contacter avant votre inscription afin d’étudier ensemble les adaptations pédagogiques, techniques ou organisationnelles pouvant être mises en place.
Plus d’infos
Basile Marchand
Je suis expert en mécanique numérique et formateur en simulation scientifique. Docteur en mécanique numérique, j’ai évolué pendant plusieurs années dans le monde académique, en étroite collaboration avec l’industrie sur des problématiques avancées de modélisation et de calcul par éléments finis. En parallèle de mes activités de recherche et de projets partenariaux, j’ai enseigné la programmation et le calcul scientifique en école d’ingénieur, ce qui m’a permis de développer une solide expérience pédagogique. Aujourd’hui Computational Mechanics Tech Lead chez Simvia, je cumule plus de 10 ans d’expérience autour de la mécanique numérique et des environnements de simulation industrielle. Je conçois et j’anime des formations à forte valeur ajoutée pour ingénieurs, équipes R&D et doctorants, en mettant l’accent sur l’alliance entre rigueur théorique, bonnes pratiques logicielles et applications terrain. Mon objectif est de rendre accessibles des concepts complexes et de proposer une progression claire vers des compétences opérationnelles directement mobilisables après la formation, de l’introduction aux méthodes jusqu’à leur intégration dans des workflows industriels.
En savoir plusTarifs
Inclus : aide à l'installation de la dernière version du code...