Pages

Sunday, June 17, 2012

Paris Meetings: Approximations parcimonieuses et problèmes inverses en acoustique ... et plus

Gilles Chardon will have his thesis defense in 10 days, but the presentation will be in French. Here is the invit for those of you who can make it:

Je vous convie bien cordialement à assister à ma soutenance de thèse, qui aura lieu le mercredi 27 juin à 14h, dans l'amphi de l'IPGP, 1 rue Jussieu, Paris 5eme.
Pot "Saveurs de l'Est" à l'issue.
Titre : Approximations parcimonieuses et problèmes inverses en acoustique ( Sparse approximations and inverse problems in acoustics  )

Jury:
Albert Cohen (UPMC)
Laurent Daudet (University Paris Diderot, supervisor)
Mathias Fink (ESPCI)
Josselin Garnier (Université Paris Diderot, reviewer)
Francois Gautier (University of Maine)
Yves Grenier (Telecom ParisTech)
Martin Vetterli (EPFL, reviewer)


Also, The ISI GdR ISIS will organize two days later a meeting on  Resolution de problemes inverses : optimisation et parallelisation, Paris, 29 juin 2012 a l'ESPCI


Titre : Résolution de problèmes inverses : optimisation et parallélisation
Date : 29 juin 2012
Lieu : ESPCI - Amphi JOLIOT (bât. N - 2ème étage)
http://www.espci.fr/fr/contact/plan-d-acces
Thème : Problèmes inverses, Optimisation, Algorithmes, parallélisation, architectures parallèles, GPU/CPU
Résumé
L'objectif de cette réunion est de faire le point sur l'exploitation des puissances de calculs disponibles actuellement dans le cadre de la résolution de problèmes inverses et/ou d'optimisation.

L'essentiel des gains de puissance de calcul obtenus aujourd'hui, le sont principalement par l'exploitation de systèmes parallèles voir fortement parallèles.
Dans un premier temps, l'objectif de cette journée sera de faire le point sur les techniques GPU (Graphics Processing Unit). Leur utilisation, leur mise en œuvre, la faisabilité et les difficultés de telles techniques, ainsi que leur comparaison aux systèmes CPU multi-cœurs, multi-CPU seront abordés.
Ces aspects seront préférentiellement traités dans le cadre des méthodes inverses en signal-image. Un objectif sera en particulier de discuter de la mise en œuvre efficace
- d'algorithmes d'optimisation parallèles tels que les méthodes de décomposition,
- du principe de l'échantillonnage comprimé. 
De façon plus générale, la problématique de l'adéquation algorithmes/architectures sera un sujet central de cette réunion.
Le programme comportera deux exposés tutoriaux donnés par Nicolas Gac (L2S - Univ. Paris 11) et Luca Zanni (Depart. of Mathematics, Univ. of Modena), dont les titres et résumés sont indiqués ci-après. Par ailleurs, un appel à communications sur les aspects d'utilisation de techniques parallèles (algorithmiques/programmation) pour la résolution de problèmes inverses est ouvert.
Les intervenants candidats sont invités à envoyer un résumé d'une page maximum au format pdf aux organisateurs :
Nicolas Bertaux : nicolas.bertaux@fresnel.fr
Caroline Chaux : Caroline.Chaux@univ-mlv.fr
Jalal Fadili : Jalal.Fadili@greyc.ensicaen.fr
Jérôme Idier : Jerome.Idier@irccyn.ec-nantes.fr
La date limite de soumission a été étendue au 15 juin 2012.


Exposés tutoriaux :
  • Nicolas Gac :
Titre : “Parallélisation des calculs sur serveur multi-GPUs pour la résolution de problèmes inverses”
Résumé : Les algorithmes itératifs utilisés lors de la résolution de problèmes inverses portant sur des gros volume de données requiert une accélération significative pour être utilisés en pratique. Sur des exemples d'applications en tomographie X (reconstruction de volume 1024**3 voxels) et en déconvolution de signaux 1D (enregistrement sur plusieurs années de données spectrales de Mars) ou 2D (flux vidéo d'une webcam), nous présenterons notre recherche de solutions permettant la parallélisation des calculs la plus efficace possible sur les processeurs de type "many cores" que sont les GPUs. Nous exposerons ainsi la triple adéquation entre l'architecture des processeurs GPUs (CUDA de Nvidia), la (re)formulation des algorithmes et la (re)structuration des données que nous avons mis en oeuvre sur différentes types d'opérateurs utilisés dans les algorithmes itératifs (projecteur, rétroprojecteur, convolution nD). Par ailleurs, nous montrerons l'attention particulière qui doit être apportée au goulot d'étranglement liés au temps de transfert entre le PC et la carte GPU. Enfin, nous présenterons le découpage des données que nous avons effectué afin de bénéficier pleinement d'un serveur multi-GPUs et apporterons quelques éléments de réponse sur l'utilisation des GPUs couplés à Matlab et des librairies déjà existantes (CUBLAS, NVPP...).

  • Luca Zanni :
Titre : “Gradient projection methods for large-scale optimization in inverse problems: acceleration techniques and parallel implementation”
Résumé : The mathematical models for inverse problems often lead to large scale constrained optimization problems with differentiable objective functional and simple constraints. Gradient projection methods are appealing approaches for these optimization problems for two main reasons: first, the simple structure of the constraints makes the projection of a vector on the feasible region a non-excessively expensive operation; second, the recent advances on the step length selection in gradient methods allow us to exploit special approximations of second order information and largely improve the convergence rate of these schemes, without significant additional costs. Thus, new gradient projection methods can be designed that represent a valid alternative to popular gradient-based approaches widely used for inverse problems. Furthermore, these new methods preserve the well-known simplicity of the gradient-based schemes and then facilitate effective implementation for multiprocessor architectures. In this talk, starting from the basic ideas on the step length selection that motivated the recent accelerated versions, we discuss important features of the gradient projection methods, such as the choice of suited scaled gradient directions and the algorithms to perform non-expensive projection on the feasible region. Applications of gradient projection methods to inverse problems in image and signal reconstruction will be considered and numerical results on GPU and multi-core CPU systems will be presented.



No comments:

Post a Comment