The Doppler Quarterly (FRANÇAIS) Été 2016 - Page 81

travail d'apprentissage automatique et a mis en open source cet outil comme plate-forme d'analyse générique pouvant être appliqué à dif- férents domaines et ensembles de problèmes. • TPU - Google a travaillé à la conception et au déploiement des unités de traitement de ten- seur à l'intérieur de ses datacenters pour accé- lérer les charges de travail d'apprentissage automatique. Le TPU est un ASIC personnalisé, spécialement optimisé pour les charges de tra- vail d'apprentissage automatique. Google continue aussi à créer son propre écosystème de partenaires, avec certains partenaires orientés vers HPC. Une partenaire dispose d'une capacité Azure se réfère aux charges de travail axées HPC en tant que Big Compute. À ne pas confondre avec les charges de travail HPC qui sont avec processeur et intensives à interconnexion, contrairement aux charges de travail Big Data qui ont des modèles de communication très différents de HPC. Les capacités Big Compute de Azure couvrent plusieurs domaines spécifiques. essentielle, il s'agit de CycleComputing. Il permet de planifier facilement l'exécution des charges de travail HPC sur différents prestataires cloud, y compris Google. Tandis que AWS et Azure fournissent des ensembles riches en fonctionnalités IaaS, complétés par les technologies spécifiques HPC, Google a suivi le che- min des fonctionnalités PaaS (Plate-forme en tant que service) avec Google Genomics et l'apprentissage automatique Google. Cela permet aux organisations d'analyser des ensembles de données complexes et volumineux sans avoir à déployer, configurer et gérer les services IaaS. L'approche de Google est unique et continuera inévitablement à s'étendre dans un domaine supplémentaire. • Conception d'ingénierie et simulation Les simulations, y compris l'analyse des élé- ments finis, analyse structurelle et analyse de la dynamique des fluides, avec prise en charge courante de la conception du produit et de la validation. ÉTÉ 2016 | THE DOPPLER | 79