Description
Date depot: 30 août 2022
Titre: Distribution massive de modèles à base d’agents
Directeur de thèse:
Nicolas MARILLEAU (UMMISCO)
Encadrant :
Nghi Quang HUYNH (Thuy Loi University)
Directeur de thèse:
Alexis DROGOUL (UMMISCO)
Directeur de thèse:
Laurent PHILIPPE (Femto-ST)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle
Resumé: Les décideurs et pouvoirs publics s'appuient désormais sur des modèles réalistes de dynamiques environnementales, biologiques et humaines se déployant sur des échelles géographiques de plus en plus vastes pour répondre à des problématiques de plus en plus complexes.
La modélisation offre des libertés que n’autorise pas la seule pratique, l'objectif est clairement de tendre vers la conception de "jumeaux numériques" des systèmes réels, pour explorer leurs trajectoires possibles et en identifier les bifurcations, tout en s’appuyant sur une certaine fidélité de reproduction, dans leur complexité et leur pluralité, des comportements, mécanismes de décision et préférences individuels.
Les approches à base d’agents sont particulièrement adaptées à la représentation de cette complexité. Mais plus les échelles de ces modèles et la précision des comportements modélisés augmentent, plus se posent des problèmes de performance liés à l'exécution de ses modèles massifs sur des machines conventionnelles. Sur les architectures informatiques classiques, sur lesquelles l’essentiel des plateformes de simulation à base d’agents s’appuient, l’exécution de ces modèles n’est parfois plus possible ou plus possible en des temps raisonnables en raison du nombre conséquent d’agents utilisé pour la modélisation.
L’usage de méthode de calcul haute performance (HPC) avec des supercalculateurs ouvre des perspectives intéressantes pour pallier les manques de ressources et s’affranchir des limites des architectures conventionnelles.
L’objectif de cette thèse est de produire un ensemble d'abstractions permettant de décrire le processus de distribution de modèle à base d’agents. Ces abstractions en tant que concepts peuvent être implémentés via une librairie Message Passing Interface (MPI) permettant de faire communiquer des cœurs/processeurs entre eux via un environnement High Performance Computing (HPC). C’est cette base qui va permettre la mise en place d’une infrastructure servant à faciliter la distribution de modèle à base d’agents.
La première fonctionnalité de cette infrastructure prendra la forme d’un langage de distribution qui proposera un ensemble d’instructions permettant de détailler la distribution d’un modèle. Ces instructions vont donner accès aux fonctions issues de la librairie MPI, cet accès aux fonctions MPI est nécessaire pour que le modélisateur ait le plus de marge de manœuvre possible pour mettre en place la stratégie de distribution de son modèle.
La seconde fonctionnalité de l'infrastructure permettra au modélisateur de choisir un modèle de distribution parmi une librairie de modèle de distribution, ces modèles permettront de facilement distribuer un autre modèle à base d’agents. Ces modèles seront implémentés sur la base du langage de distribution.
Cette infrastructure de distribution se veut assez générale pour être implémentée sur n’importe quelle plateforme de modélisation à base d’agents, dans cette thèse nous allons mettre en place cette infrastructure sur la plateforme GAMA, plateforme de modélisation à base d’agents nécessitant un module de distribution semblable à l’infrastructure que nous souhaitons mettre en place.
Dans le cadre de cette thèse, cette infrastructure sera testée pour distribuer les modèles issues du projet STAR FARM portant sur l’étude du réchauffement climatique dans la région à risques du Delta du Mékong au Vietnam. Ce projet financé par l'Union européenne est nécessaire pour assurer une transition écologique maîtrisée et une transformation agroécologique intelligente des systèmes agroalimentaires. La contribution de la thèse dans ce projet à deux objectifs :
- Réaliser un test grandeur nature de l’infrastructure de distribution sur des modèles à base d’agents complexes
- Améliorer le temps d'exécution des modèles du projet en distribuant efficacement les simulations de ces modèles
Cette thèse est financée par le programme PDI MSC : Programme Doctoral International Modélisation des Systèmes Complexes issue de la collaboration entre l’université de la Sorbonne et l’Institut de Recherche pour le Développement (IRD). Une cotutelle est nécessaire dans le cadre de ce programme et sera mise en place entre l'École Doctorale EDITE de Paris et dans l’école doctorale internationale créée par Thuyloi en 2021
Doctorant.e: Grosjean Lucas