Histoire et enjeux de l’informatique scientifique

2. Histoire et enjeux de l’informatique scientifique#

boulier chinois

2.1. Historique de l’informatique#

Dès l’apparition des mathématiques, on a cherché à traiter automatiquement des données, ce qui a conduit aux premiers algorithmes

2.1.1. Premiers Algorithmes#

  • Euclide ~ 300 av JC: premier algorithme pour le pavage d’une pièce (PGCD)

euclide Euclide

2.1.2. Origine du nom Algorithme#

  • Mathématicien perse Al-Khawarizmi né vers 783

Al-khawarizmi

2.1.3. Prémices de l’informatique#

  • machine mécanique : la pascaline de Blaise Pascal en 1642

Pascal Pascaline

2.1.4. Les pionniers: machine de Turing#

machine éléctro-mécanique

  • On Computable Numbers article de 1936 d’Alan Turing (1912-1954)

  • The imitation Game film sur Turing et sa machine Enigma

Alan Turing machine Turing

2.1.5. Premiers ordinateurs électronique#

  • machine à tubes: UNIVAC I en 1951 (Hergé Objectif lune)

  • mainframes (transistor) IBM, CDC .. à partir de 1960

UNIVAC mainframe

2.1.6. Naissance de la micro-informatique ~ 1970#

  • premier ordinateur personnel français Micral en 1975

  • TRS 80 à base de microprocesseur 8 bits Zilog Z80 en 1977 (à droite)

  • Apple II à base de microprocesseur 8 bits Mos 6502 en 1977

  • Tavernier à base de microprocesseur 16 bits 6809 en 1982 (à gauche)

TRS80 Tavernier 6809

2.1.7. L’ère internet (à partir 1990)#

  • Arpanet (1969 réseau militaire) devient internet TCPI/IP (1989)

  • applications World Wide Web: WWW, HTML, mail (1989 CERN)

  • premier noyau Linux (Linus Towarld + Unix) 1991

    • création de la Free Software Fondation

Linux TUX

2.1.8. L’ère actuelle: mobilité , données#

  • 1er IPhone Apple 2007

  • Supercalculateur IDRIS HPC-IA = 14 PetaFlops (\(14. 10^{15}\) ops) (à gauche)

  • micro-ordinateur ARM Rasberry PI4 14 GigaFlops mais consommation de 6W (à droite)

  • big DATA, IA

super calculateur IDRIS Rasberry PI

2.1.9. Conclusion#

  • le numérique (informatique) est maintenant présente partout

  • puissance du matériel augmente sans cesse (mais pble consommation!)

  • nécessité de développer des outils logiciels (algorithmique)

    • IA aucune intelligence dans la machine, mais dans les algorithmes (traitement de données: Big Data)

  • nécessité de maîtriser et comprendre les outils pour

    • modéliser (simulation numérique)

    • analyser (les données expérimentales)

2.2. Utilité d’un ordinateur en science#

Un ordinateur exécute très rapidement des instructions élémentaires: \(\approx 4*30. 10^9\) FLOPS sur un ordinateur de bureau (Intel Core I7 4 coeurs). Et il les exécute de façon mécanique.

Question: Comment peut-on utiliser un ordinateur pour simuler un problème physique ?

Par exemple calculer le mouvement d’un pendule, puisque l’ordinateur ne connaît ni la mécanique, ni les équations, ni les méthodes de résolutions de ces équations !

2.2.1. Modélisation numérique#

le scientifique imagine un algorithme pour résoudre le problème de façon mécanique, et le traduit ensuite dans un langage de programmation pour être exécuté par un ordinateur. Il peut ensuite faire l’étude paramétrique du problème comme avec une expérience.

programmation

2.2.2. Méthode#

  1. Problème physique

physique

  1. Modèle mathématique: mise en équation

\[ m l \frac{d^2 \theta}{d t^2} = m g \sin(\theta) \]
\[ Y = [ \theta, \frac{d \theta}{dt} ] \]
\[ Y_0=[\theta_0, 0]\]
\[ \frac{d Y}{dt} = F(Y,t) \]

  1. Solution Algorithme RK2

    ....
    Y = Y0
    t = 0
    Pour i de 1 a n
        solution a t+dt/2
        Y12 = Y + 0.5 * dt *F(Y,t)
        solution a t+dt
        Y = Y +  dt *F(Y12,t+dt/2)
        t=t+dt
    Fin Pour

  1. Programmation Python: traduction dans un langage de programmation

  .... 
  Y = np.array([theta0, 0.])
  t = 0.0
  for i in range(n):
       # prediction Y(t+dt/2)
       Y12 = Y + 0.5*dt*F(Y,t)
       # solution Y(t+dt)
       Y = Y + dt*F(Y12,t+0.5*dt)
       t = t + dt
  # fin

2.3. Utilisation de l” informatique en science#

2.3.1. modélisation en mécanique de système complexe#

Vilbrequin Compresseur

2.3.2. expérience numérique fondamentale#

  • DNS simulation numérique directe en mécanique des fluides

simulation DNS

2.3.3. CFD = Computational Fluid Dynamics#

  • simulation numérique à l’ONERA pour Airbus Industrie

airbus

2.3.4. CFD = Color Fluid Dynamics ?#

entreprise

2.3.5. Attention au mirage de la simulation numérique#

  1. Les logiciels sont de plus en plus sophistiqués et fournissent toujours une réponse

  2. Mais la réponse est-elle correcte ?

  3. Il est important de comprendre les principes de base

  4. Importance de la validation des simulations !

Un problème majeur est que la plupart des scientifiques n’ont reçu presque aucune formation en informatique, ce qui devient désormais problématique car la plupart d’entre eux passent une grande partie de leur temps à utiliser des ordinateurs, pour de la modélisation, l’acquisition et le traitement de données expérimentales

acculturation l’IA \(\rightarrow\) fournit des corrélations mais pas d’explication !

échecs dans la modélisation

  • lors du 1er tir d’Ariane V en 1996 , un bug a détruit la fusée après le décolage

  • destruction d’une plateforme pétrolière concue entièrement sur ordinateur (erreur de modélisation)

  • biais sur les données d’apprentissage en IA (W.A.S.P White Anglo-Saxon Male Protestant)

2.4. FIN de la leçon#

Contenu