À propos

Je suis Youssef Fakhreddine, doctorant en informatique à l’Université de Perpignan Via Domitia (UPVD) et membre du LIRMM, au sein de l’équipe DALI. Mes travaux portent sur l’optimisation des formats de données dans les codes de calcul numérique, avec un focus sur la précision, les performances et l’efficacité énergétique en arithmétique flottante.

Nationalité : Marocaine — Né le 30/09/1997 (Casablanca) — Basé à Perpignan (66100).

Calcul Haute Performance (HPC) Auto-tuning Arithmétique IEEE-754 Vectorisation SIMD Précision mixte Transformation de code

Formations

Depuis 2022 — UPVD & LIRMM (CNRS UMR 5506)
Doctorat en Informatique
Sujet : Optimisation des formats de données dans les codes de calcul numérique.
2019 — 2021 — UPVD
Master Calcul Haute Performance, Simulation
Modélisation simulation parallélisme conception logicielle évaluation des performances architecture des ordinateurs MPI OpenMP CUDA
2016 — 2019 — USMS (Maroc)
Licence fondamentale — Sciences Mathématiques et Applications

Stages & Projets

04/2021 — 08/2021 — LIRMM
Stage recherche (M2) — Optimisation des formats de données
Financement : ANR JCJC PADOC — Encadrement : Guillaume Revy (UPVD) — Mots-clés : auto-tuning, transformation de code, IEEE-754, précision, vitesse, énergie.
11/2020 — 01/2021 — LAMPS
Projet de synthèse — Instrumentation PIN
Capturer les opérations flottantes à l’exécution. Encadrement : David Defour — C/C++.
04/2020 — 06/2020 — LAMPS
Stage (M1) — Erreurs d’arrondis en analyse spectrale
Optimisation C/C++, calcul flottant, analyse d’erreur.
04/2019 — 07/2019 — USMS
Stage (L3) — Guide d’onde & EDP
Séparation de variables pour l’équation d’ondes (R³) — Matlab, analyse numérique.

Thèse — Résumé

La performance et la précision des logiciels numériques sont cruciales pour leur développement, étant donné la complexité croissante des applications et la quantité croissante de calculs, notamment en arithmétique flottante.

Le choix du format des données flottantes impacte directement la précision et la performance des résultats. Les développeurs sont confrontés au défi de choisir le format le plus adapté pour chaque variable, généralement optant pour les plus grands formats de données dont ils disposent, même si cela entraîne une diminution des performances due au sur-dimensionnement des données et une sous-utilisation des unités de calcul modernes.

Pour résoudre cette problématique, mon objectif et de proposer des outils pour adapter les formats de données, visant à améliorer les performances sans compromettre la précision des résultats. Ces outils se concentrent sur des transformations robustes des données, en analysant leur sensibilité numérique et en favorisant l’adaptation des opérations flottantes bénéficiant des instructions vectorielles, afin de contourner les limites des approches antérieures qui ne prennent pas en compte les singularités numériques ou qui s’appliquent pour un jeu de données spécifique.

Précision mixte Vectorisation AVX/NEON Analyse de sensibilité Auto-tuning de boucles

Publications

Décembre 2024 — MCSoC 2024, Kuala Lumpur
Performance on SIMD architectures of auto-tuned programs for matrix multiplication
Y. Fakhreddine, G. Revy
Septembre 2023 — IEEE ARITH 2023, Portland (OR)
Using loop transformations for precision tuning in iterative programs
Y. Fakhreddine, G. Revy

Communications

16–19 déc. 2024 — MCSoC, Malaisie
Auto-tuning & SIMD pour la multiplication de matrices
04–06 nov. 2024 — RAIM, Perpignan
Auto-tuning & SIMD pour la multiplication de matrices
06–08 nov. 2023 — RAIM, Nancy
Transformations de boucles pour l’ajustement de précision
27 oct. 2023 — Séminaire DALI, Perpignan
Loop transforms & precision tuning
06 fév. 2023 — Séminaire DALI/LIP6 (virtuel)
Optimisation des formats de données en calcul numérique

Enseignement 2024/2025

  • Algorithmique & Programmation 1 (L1 Maths-Info) — TD 46.5h
  • Algorithmique & Programmation 2 (L1 Maths-Info) — TD 46.5h
  • Introduction à la logique (L2 Info) — TD 18h
  • Programmation C (M2 CHPS) — TD 21h
  • Logiciel R (L2 Math) — TD 13.5h
  • Théorie de l’information (L2 Info) — TD 18h
  • Projet de programmation en C (L1 Info) — CM 3h + TP 21h

Enseignement 2023/2024

  • Algorithmique & Programmation 1 (L1 Maths-Info) — TD 25.5h
  • Théorie de l’information (L1 Info) — TP 18h

Compétences

Sciences & Numérique
Analyse numérique EDO / EDP Calcul flottant Parallélisation (tâches & données) Mécanique des fluides Électromagnétisme
Langages & Outils
C / C++ Fortran Python R Java CUDA MPI OpenMP LLVM BLAS / LAPACK GNUplot Linux / Git / LaTeX
Centres d’intérêt
HPC Optimisation Précision mixte Vectorisation Instrumentation

Contact

Adresse
18 Av Alfred SAUVY
66100 Perpignan — France

E-mail
youssef.fakhreddine@univ-perp.fr

Web
perso.univ-perp.fr/yfakhred

Projet ANR
PAD_