Histoire et enjeux de l’informatique scientifique

1. Histoire et enjeux de l’informatique scientifique#

Marc BUFFAT, dpt mécanique, Université Claude Bernard Lyon 1

boulier

%matplotlib inline
import numpy as np
import scipy as sp
import matplotlib.pyplot as plt
from IPython.core.display import HTML
from IPython.display import display
from matplotlib import animation

1.1. Historique de l’informatique#

traitement automatiser des données

1.1.1. Premiers Algorithmes#

  • Euclide ~ 300 av JC: premier algorithme de pavage exacte d’une pièce Euclide Euclide

1.1.2. Origine du nom Algorithme#

  • Mathématicien perse Al-Khawarizmi né vers 783 Al-khawraizmi

1.1.3. Prémices de l’informatique#

  • la pascaline de Blaise Pascal en 1642 Pascal pascaline

1.1.4. Les pionniers: machine de Turing#

  • « On Computable Numbers » article d’Alan Turing (1912-1954), 1936

  • film « The imitation Game » Enigma Alan Turing machine de turing

1.1.5. Premiers ordinateurs electroniques#

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

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

UNIVAC mainframe

1.1.6. Naissance de la micro-informatique ~ 1970#

  • premier ordinateur personnel Micral 1975

  • TRS 80 Zilog Z80 en 1977

  • Apple II Mos 6502 en 1977

  • Tavernier 6809 en 1982 TRS80 Tavernier 6809

1.1.7. 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

    • Free Software Fondation Tux

1.1.8. Début du 21e siècle : mobilité , données#

  • 1er iphone Apple 2007

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

  • micro-ordinateur ARM Rasberry PI4 14 GigaFlops mais consommation de 6W supercalulateur IDRIS Rapberry PI

1.1.9. Ère actuelle : IA et big data#

Les nouveaux outils d’IA: ChatGPT p.e.

ChatGPT est un modèle de langage qui permet aux personnes d’interagir avec un ordinateur de manière plus naturelle et conversationnelle. GPT signifie « Generative Pre-trained Transformer » et désigne une famille de modèles de langage naturel développés par OpenAI. Cela est également connu sous le nom d’IA générative en raison de sa capacité à produire des résultats « originaux ».

Mais attention à l’utilisation de ces outils !

Pour obtenir un résultat pertinent, il faut fournir des instructions sur la manière dont vous souhaitez qu’il réponde.

  • Si votre requête ne donne pas le résultat escompté, essayez de modifier les instructions et relancez la requête.

  • Les données utilisées pour entraîner les réponses ne sont pas toujours à jour (2021 pour ChatGPT 3). Cela signifie que ChatGPT n’a aucune connaissance des événements ou des créations postérieurs à 2021.

  • Il n’existe aucun moyen pour ChatGPT de vérifier les informations qu’il fournit ou d’évaluer leur fiabilité.

Pour déterminer dans quelles circonstances ChatGPT (ou un autre LLM) peut être utilisé en toute sécurité, suivez le diagramme suivant

  • ChatGPT and Artificial Intelligence in higher education: Quick start guide (UNESCO 2023) ../../_images/SafeUseChatGPT.png

1.1.10. 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)

1.2. 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 !

1.2.1. 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

1.2.2. Méthode#

  • Problème physique

physique

  • Modèle mathématique

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

  • Algorithme RK2

      Y = Y0
  Pour i de 1 a n
      Y1 = Y + 0.5 * dt *F(Y,t)
      Y = Y +  dt *F(Y1,t+dt/2)
      t=t+dt
  Fin Pour

1.3. Utilisation de l” informatique en science#

1.3.1. modélisation en mécanique de système complexe#

vilbrequin compresseur

1.3.2. expérience numérique fondamentale#

  • DNS simulation numérique directe en mécanique des fluides

DNS

1.3.3. CFD = Computational Fluid Dynamics#

  • simulation numérique à l’ONERA pour Airbus Industrie

Airbus

1.3.4. CFD = Color Fluid Dynamics ?#

Color Fluid Dynamics

1.3.5. 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)

Contenu