Modele Electrophysiologique Sur GPU

De Ensiwiki
Aller à : navigation, rechercher

Encadrant : Christophe Picard, Laboratoire Jean Kuntzmann, Equipe EDP.

Thème général

La part de plus en plus importante des simulations numériques en ingénierie et en sciences naturelles requiert des moyens de calculs d'une grande efficacité, aussi bien d'un point de vue algorithmique que d'un point de vue matériels. Ces dernières années ont vu l'emergence de matériels jusque là réservé aux applications graphiques : les GPGPU.

Comparativement aux technologies existantes, les GPGPU sont bons marchés et peut gourmandes en énergies. Cependant, leur utilisation optimale demande la réécriture des algorithmes dans un langage spécifique, voire la conception d'algorithmes dédiés. De plus, la vitesse d'évolution des technologies nécessitent l'écriture d'outils facilement modifiable et adaptable.

L'utilisation de ces nouvelles ressources permet la démocratisation du calcul intensif en ouvrant cette discipline à de nouvelle applications. Les GPGPU sont ainsi intensivement utilisés dans le domaine de la simulation médicale. Ils permettent notamment d'affiner les modèles et d'étudier plus précisément les comportements à des échelles très fines.

D'un point de vue purement numérique, les GPGPU sont particulièrement adaptées à la résolution d'EDP discrétisées par différences finies. L'approche séquentielle adoptée sur CPU fait intervenir la résolution de systèmes linéaires creux avec l'utilisation intensive de produits matriciels et matrices-vecteurs.

Afin d'exploiter pleinement les performances des GPGPU, il souvent nécessaire de modifier l'approche purement matricielle pour la remplacer par une technique plus proche de l'architecture matérielle [1].

Sujet

Ce projet se découpe en 3 parties. La première partie consiste à l'implémentation d'un modèle 2D d'électrophysiologie sur carte graphique. Un exemple de modèle est donné ici [2]. Il s'agira ensuite d'étudier l'influence des paramètres de simulations sur la stabilité des résultats. Enfin, on visualisera en temps réels les résultats de la simulation.

Résultats attendus

L'objectif est d'étudier le comportement du modèle pour différents paramètres. Selon l'initiative du groupe, il pourra être envisagée une simulation 3D , une complexification du modèle biologique ou un parallélisme multi-GPU.