Menu
Bienvenue sur la plateforme HPC de l’Université de Laghouat
Le centre de calcul intensif CUMULUS est l’infrastructure dédiée au calcul scientifique haute performance (High Performance Computing) de notre université.
Mis en service en 2024, il a été conçu pour accompagner les chercheurs, doctorants et ingénieurs dans leurs travaux nécessitant une grande puissance de calcul, tels que :
La modélisation numérique
La simulation physique et chimique
Le traitement de données massives (Big Data)
L’intelligence artificielle et l’apprentissage automatique
Grâce à ses 32 nœuds de calcul, ses 512 cœurs de processeurs, 1024 Go de RAM et 20 To de stockage, CUMULUS offre un environnement fiable, évolutif et sécurisé pour accélérer la recherche scientifique dans toutes les disciplines.
🧭 Explorez notre site pour en savoir plus sur l’infrastructure, les modalités d’accès et les projets en cours.
Notre mission
Le centre CUMULUS a pour objectif principal de mettre à disposition de la communauté universitaire une plateforme de calcul puissante, mutualisée et facile d’accès. Il favorise la recherche collaborative, l’innovation technologique et la formation dans le domaine du calcul intensif.
Pourquoi le HPC ?
Aujourd’hui, de nombreux domaines scientifiques exigent des ressources de calcul bien au-delà des capacités d’un ordinateur personnel. Le HPC permet :
De résoudre des problèmes complexes en physique, ingénierie, biologie, économie…
D’effectuer des simulations plus fines et rapides
D’analyser de grands ensembles de données en un temps réduit
Un projet collaboratif
CUMULUS est le fruit d’un effort commun entre :
Université Amar Telidji de Laghouat (UATL)
La Direction Générale de la Recherche Scientifique et du Développement Technologique (DGRST)
Cette synergie garantit un service performant, adapté aux besoins actuels et futurs des chercheurs de l’université.
L’accès au cluster CUMULUS est réservé aux membres de l’Université de Laghouat (enseignants-chercheurs, doctorants, étudiants en master recherche) et à leurs collaborateurs dans le cadre de projets scientifiques nécessitant des ressources de calcul intensif.
Pour obtenir un compte utilisateur, veuillez remplir le formulaire ci-dessous.
Votre demande sera examinée par l’équipe technique et scientifique du HPC, et vous recevrez une réponse par e-mail sous quelques jours.
📝 Formulaire de demande d’accès :
👉 Cliquez ici pour faire votre demande
Ce guide d’utilisation a été rédigé pour accompagner les utilisateurs du cluster CUMULUS dans leurs premiers pas.
Vous y trouverez les informations essentielles pour :
Accéder au cluster via SSH
Utiliser l’environnement de modules
Soumettre un job
Gérer vos fichiers et ressources
Adopter les bonnes pratiques d’utilisation
📄 Télécharger le guide au format PDF :
👉 Guide utilisateur – CUMULUS.pdf
La présente charte définit les conditions d’utilisation du cluster de calcul haute performance CUMULUS, mis à disposition par l’Université de Laghouat. Elle a pour objectif de garantir un usage sécurisé, éthique, équitable et optimal des ressources de calcul à des fins scientifiques, pédagogiques ou technologiques.
L’accès au cluster CUMULUS est strictement réservé aux utilisateurs autorisés : enseignants-chercheurs, doctorants, ingénieurs, et étudiants travaillant dans le cadre d’un projet encadré.
L’obtention d’un compte nécessite une demande formelle accompagnée d’une validation par un encadrant ou un responsable scientifique.
L’utilisateur s’engage à ne jamais utiliser un compte autre que le sien. L’accès au cluster via les identifiants d’un tiers est strictement interdit.
Toute session doit être lancée depuis le compte personnel attribué à l’utilisateur.
L’utilisateur est pleinement responsable de l’usage de son compte, des tâches qu’il soumet et des données qu’il manipule.
L’utilisateur doit informer son encadrant de tout travail ou projet utilisant les ressources du cluster.
En cas de départ ou d’inactivité prolongée, l’utilisateur s’engage à prévenir l’équipe du HPC pour désactivation ou archivage.
Les travaux doivent être soumis via le gestionnaire de files (par ex. Slurm) dans le respect des règles (durée, files autorisées, ressources allouées).
Les sessions interactives sont autorisées uniquement sur les nœuds dédiés au test et au débogage.
Les ressources doivent être utilisées raisonnablement, en évitant les abus ou la saturation du système.
Tout calcul massif doit être préparé, testé et optimisé afin de limiter les erreurs et pertes de ressources.
Il est formellement interdit d’installer ou d’utiliser des logiciels piratés (crackés) sur le cluster.
L’utilisateur doit privilégier l’usage de logiciels open source ou, à défaut, disposer d’une licence valide pour les logiciels propriétaires.
Toute demande d’installation de logiciel global (pour tous les utilisateurs) doit être soumise à l’équipe technique.
L’espace de stockage fourni est à usage temporaire et lié aux calculs. Le cluster ne constitue pas un espace d’archivage long terme.
L’utilisateur est responsable de la sauvegarde de ses données sensibles hors du cluster.
Les fichiers obsolètes ou inutilisés pourront être supprimés après notification, notamment en cas de saturation de l’espace.
Toute tentative d’intrusion, de modification non autorisée du système, d’élévation de privilèges ou de contournement des règles est strictement interdite.
L’utilisateur s’engage à respecter la confidentialité des données et des projets, en particulier dans le cadre de collaborations sensibles.
L’utilisation du cluster doit respecter les lois en vigueur sur la sécurité, les droits d’auteur et la protection des données.
Le cluster CUMULUS fait l’objet de maintenances planifiées. Les utilisateurs seront informés par avance des périodes d’indisponibilité.
L’équipe technique assure un support aux utilisateurs (aide à la soumission, diagnostic d’erreurs, configuration d’environnement).
Des sessions de formation peuvent être proposées ponctuellement pour une bonne prise en main de la plateforme.
Tout travail scientifique ou technique utilisant les ressources du cluster CUMULUS doit mentionner clairement cette utilisation.
La citation recommandée est la suivante :
“Les calculs présentés dans ce travail ont été réalisés en partie grâce aux ressources du cluster de calcul haute performance CUMULUS de l’Université de Laghouat.”
En anglais :
“The computations presented in this work were partially performed using the high-performance computing resources of the CUMULUS cluster at the University of Laghouat.”
Une copie (ou référence bibliographique) des publications doit être transmise à l’équipe HPC pour archivage et valorisation.
Tout manquement aux règles de cette charte peut entraîner :
Un avertissement officiel ;
Une suspension temporaire ou définitive de l’accès ;
Des sanctions disciplinaires, conformément aux règlements de l’Université de Laghouat.
En demandant un compte sur le cluster CUMULUS, l’utilisateur reconnaît avoir lu, compris et accepté l’ensemble des règles énoncées dans cette charte.
Il s’engage à en respecter l’esprit comme la lettre, et à utiliser les ressources de manière responsable et respectueuse.
Voici une sélection de travaux récents portant sur l’application de l’apprentissage automatique (machine learning) et de la théorie de la fonctionnelle de la densité (DFT) pour la découverte et la modélisation de nouveaux matériaux pour l’énergie solaire.
Ce projet vise à explorer de nouveaux cristaux pérovskites chalcogénides de formule MgMS₃ (où M = Zr, Ti, Hf) en combinant des méthodes de machine learning avec des calculs ab initio basés sur la théorie de la fonctionnelle de la densité (DFT). L’objectif est d’identifier des structures prometteuses pour des applications photovoltaïques. L’approche adoptée permet de réduire considérablement le coût de la recherche expérimentale grâce à des prédictions numériques robustes.
Dans cette étude, des algorithmes d’apprentissage automatique sont utilisés pour prédire les propriétés physico-chimiques des matériaux de type pérovskite à partir de leur formule chimique seule. Cette approche permet un criblage haute performance de matériaux candidats, accélérant la découverte de nouvelles structures stables pour cellules solaires. L’objectif à long terme est de construire des bases de données intelligentes alimentées par ces modèles pour guider les futures synthèses expérimentales.
Ce travail se concentre sur les composés de type ABX₃, une classe importante de matériaux pour les technologies énergétiques. Grâce à une approche automatisée à haut débit (high-throughput), des modèles de machine learning sont entraînés pour prédire diverses propriétés électroniques et structurales. Cette méthode permet d’évaluer rapidement des milliers de combinaisons possibles, ouvrant la voie à l’optimisation rationnelle de nouveaux matériaux fonctionnels.