Master

Développement de scénarios SLICES : Lier l’IoT et le Cloud

Le présent sujet de stage s’inscrit dans le cadre du projet européen SLICES, dont l’objectif est la création d’une Infrastructure de Recherche (IR) pour le traitement numérique de la donnée, allant du capteur connecté (IoT) au traitement de données (Cloud), en passant par les protocoles réseau. Cette IR, en gestation, sera composée, entre autres, de nœuds comme ceux présents sur Toulouse, sur G5k [1] et LocURa4IoT [2]. L’objectif du stage est de proposer et expérimenter plusieurs scénarios illustrant cette IR.

Création de code aléatoire et obfusqué par LLVM

Nature du projet Preuve de concept Description du travail demandé Le but de ce projet long de master est de développer un outil de création de code aléatoire en se basant sur LLVM. Cette chaine de compilation génère du code binaire à partir de code assembleur en utilisant une représentation intermédiaire sous forme d’arbre. Plusieurs projets existent pour manipuler ces représentations tels que l’obfuscateur opensource en C : https://tigress.wtf/transformations.html L’objectif ici sera de pouvoir générer des codes ayant des comportement le plus différent possible : mémoire, branchement, calcul flottant, …

Evaluation de la performance de récupération des compteurs de performance hardware dans les processeurs

Nature du projet Preuve de concept Description du travail demandé Les processeurs récents possèdent des compteurs de performance très efficaces. Il s’agit de registre dans le processeur capables par exemple de compte le nombre de calculs entiers, le nombre de cache miss, … L’objectif de ce projet long est double Faire une campagne d’évaluation de performance des différents outils permettant de lire ces valeurs Programmer une bibliothèque permettant facilement et efficacement d’accéder à ces valeurs Environnement technologique Développement noyau linux Développement C Summary in english

Mise à jours de l'application cartOCampus

Nature du projet Développement logiciel Description du travail demandé L’application cartOCampus permet de se repérer sur le campus de l’université Paul Sabatier. Elle utilise une version ancienne du framework de développement Android. L’objectif de ce projet long est de mettre à jours cette application pour une version plus récente du framework. Il s’agira donc de : Mettre à jours l’application Corriger certains petits défauts Si le temps le permet, finir la version multiplateform (flutter) pour que l’application puisse s’exécuter aussi sur IOS Environnement technologique Développement Android et mobile Summary in english

Visualisation de communication entre processus Python

Nature du projet Preuve de concept Description du travail demandé La communication dans une application multi-processus est quelque chose de compliqué. L’objectif de ce projet long est de faire un outil permettant la visualisation des communications mais aussi de l’état des variables internes des différents processus. On s’intéressera au cas des applications python. L’objectif sera dans l’ordre et en fonction de l’avancement du groupe de Proposer une IHM permettant de visualiser les communications par socket et les variables locales Proposer une surcharge de la bibliothèque standard socket python Idem pour les opérations collectives MPI Idem pour les moniteurs de Hoar Environnement technologique Python, IHM Summary in english

Funded PhD position: Energy and performance monitoring and models towards sustainable Exascale computing

Context High Performance Computing usage is growing from climate science studies to chemical research. The increased impact of these computation opens the field of research on how to manage and reduce their energy consumption. In the NumPEx project we aim at developing state-of-the-art skills and infrastructures in the field of exascale computing. One of the pillars of NumPEx focuses on making exascale computing sustainable. To make informed cluster-level scheduling decisions and to provide feedback to users, information on the whole infrastructure is needed.

Funded PhD position: Exploring the tradeoffs between energy and performance of federated learning algorithms

Context There is an increasing interest in a new distributed ML paradigm called Federated Learning (FL)[La17], in which nodes compute their local gradients and communicate them to a central server. This centralized server then orchestrates rounds of training over large data volumes created and stored locally at a large number of nodes. This training procedure repeats until some criterion are met. This enables the participating nodes (e.g., IoT devices, mobile phones, etc) to protect their data and solve the data security and privacy issues imposed by law.

Internship/project position: Real-time distributed system (hardware performance counters, RAPL, ...) monitoring for HPC

Context High Performance Computing usage is growing from climate science studies to chemical research. The increased impact of these computation opens the field of research on how to manage and reduce their energy consumption. In the NumPEx project we aim at developing state-of-the-art skills and infrastructures in the field of exascale computing. One of the pillars of NumPEx focuses on making exascale computing sustainable. To make informed cluster-level scheduling decisions and to provide feedback to users, information on the whole infrastructure is needed.

Internship/project position: Real-time phase detection for large-scale HPC applications

Context High Performance Computing usage is growing from climate science studies to chemical research. The increased impact of these computation opens the field of research on how to manage and reduce their energy consumption. In the NumPEx project we aim at developing state-of-the-art skills and infrastructures in the field of exascale computing. One of the pillars of NumPEx focuses on making exascale computing sustainable. To make informed cluster-level scheduling decisions and to provide feedback to users, information on the whole infrastructure is needed.

Internship/project position: Sustainable monitoring of large-scale HPC applications: Reducing data amount to save energy

Context High Performance Computing usage is growing from climate science studies to chemical research. The increased impact of these computation opens the field of research on how to manage and reduce their energy consumption. In the NumPEx project we aim at developing state-of-the-art skills and infrastructures in the field of exascale computing. One of the pillars of NumPEx focuses on making exascale computing sustainable. To make informed cluster-level scheduling decisions and to provide feedback to users, information on the whole infrastructure is needed.