OpenMOLE (Open MOdeL Experiment) facilite l’exécution de vos programmes sur des environnements informatiques distribués. Si vous souhaitez exécuter le même programme pour de nombreuses entrées différentes (paramètres ou ensembles de données), OpenMOLE est l’outil qu’il vous faut. L’utilisation typique d’OpenMOLE est la calibration de modèles haute performance, l’exploration de modèles, l’apprentissage de machines, l’optimisation, le traitement de données.

  • Il fonctionne avec vos programmes – Java, Binary exe, NetLogo, R, SciLab, Python, C++…
  • Calcul distribué – Fonctionne sur vos machines multi-cœurs, vos clusters, vos grilles, votre grille de bureau.
  • Expressif – Système de flux de travail graphique et scénarisé pour décrire vos processus naturellement parallèles.
  • Évolutif – Gère des millions de tâches, des années de calcul et des gigaoctets de données.
  • Mature – Développé depuis 2008 et largement utilisé.
  • Ouvert – Licence de logiciel libre AGPLv3.
  • ÉQUIPE

    Romain REUILLON, responsable scientifique
    Géographie-citées, ISC-PIF/CNRS

    Mathieu LECLAIRE, Ingénieur de Recherche CNRS
    ISC-PIF/CNRS

    Guillaume CHÉREL, Ingénieur de Recherche CNRS
    ISC-PIF/CNRS

  • CHAT

    Contactez l’équipe OpenMOLE directement sur le chat!

  • FORUM

    Échangez avec la communauté OpenMOLE.

ACCÉDER AU SERVICE

Pour accéder à ce service, vous devez en faire la demande en ligne, et, parallèlement, prendre contact avec l’équipe sur le chat OpenMOLE.

PUBLICATIONS

Citer OpenMOLE

Romain Reuillon, Mathieu Leclaire, Sebastien Rey-Coyrehourcq, OpenMOLE, a workflow engine specifically tailored for the distributed exploration of simulation models published in Future Generation Computer Systems, 2013BibTex

Publications

Reuillon, R., Leclaire, M., & Rey-Coyrehourcq, S. (2013). OpenMOLE, a workflow engine specifically tailored for the distributed exploration of simulation models. Future Generation Computer Systems, 29(8), 1981–1990. https://doi.org/http://dx.doi.org/10.1016/j.future.2013.05.003
Cottineau, C., Chapron, P., & Reuillon, R. (2015). Growing Models from the Bottom Up. an Evaluation-Based Incremental Modelling Method (EBIMM) Applied to the Simulation of Systems of Cities. Journal of Artificial Societies and Social Simulation, 18(4). https://doi.org/10.18564/jasss.2828
Chérel, G., Cottineau, C., & Reuillon, R. (2015). Beyond Corroboration: Strengthening Model Validation by Looking for Unexpected Patterns. PLOS ONE, 10(9), e0138212. https://doi.org/10.1371/journal.pone.0138212
Alvarez, I., Aldama, R. D., Martin, S., & Reuillon, R. (2013). Assessing the Resilience of Socio-ecosystems: Coupling Viability Theory and Active Learning with Kd-trees. Application to Bilingual Societies. Proceedings of the Twenty-Third International Joint Conference on Artificial Intelligence, 2776–2782.
Passerat-Palmbach, J., Reuillon, R., Mazel, C., & Hill, D. R. C. (2013). Prototyping parallel simulations on manycore architectures using Scala: A case study. High Performance Computing and Simulation (HPCS), 2013 International Conference, 405–412. https://doi.org/10.1109/HPCSim.2013.6641447
Passerat-Palmbach, J., Caux, J., Le Pennec, Y., Reuillon, R., Junier, I., Kepes, F., & Hill, D. R. C. (2013). Parallel Stepwise Stochastic Simulation: Harnessing GPUs to Explore Possible Futures States of a Chromosome Folding Model Thanks to the Possible Futures Algorithm (PFA). Proceedings of the 2013 ACM SIGSIM Conference on Principles of Advanced Discrete Simulation, 169–178. https://doi.org/10.1145/2486092.2486114
Cottineau, C., Chapron, P., & Reuillon, R. (2015). An incremental method for building and evaluating agent-based models of systems of cities. Journal of Artificial Societies and Social Simulation (JASSS).
Schmitt, C., Rey, S., Reuillon, R., & Pumain, D. (2015). Half a billion simulations: Evolutionary algorithms and distributed computing for calibrating the SimpopLocal geographical model. Environment and Planning B., 42(2), 300–315.
Mesmoudi, S., Alvarez, I., Martin, S., Reuillon, R., Sicard, M., & Perrot, N. (2014). Coupling geometric analysis and viability theory for system exploration: Application to a living food system. JOURNAL OF PROCESS CONTROL, 24(12, SI), 18–28. https://doi.org/10.1016/j.jprocont.2014.09.013
Reuillon, R., Schmitt, C., De Aldama, R., & Mouret, J.-B. (2015). A New Method to Evaluate Simulation Models: The Calibration Profile (CP) Algorithm. Journal of Artificial Societies and Social Simulation, 18(1), 12. http://jasss.soc.surrey.ac.uk/18/1/12.html
Reuillon, R., Chuffart, F., Leclaire, M., Faure, T., Dumoulin, N., & Hill, D. R. C. (2010). Declarative task delegation in OpenMOLE. In W. W. Smari & J. P. McIntire (Eds.), HPCS (pp. 55–62). IEEE. http://dblp.uni-trier.de/db/conf/ieeehpcs/ieeehpcs2010.html#ReuillonCLFDH10
Rouquier, J.-B., Alvarez, I., Reuillon, R., & Wuillemin, P.-H. (2015). A kd-tree algorithm to discover the boundary of a black box hypervolume. Annals of Mathematics and Artificial Intelligence, 1–16. https://doi.org/10.1007/s10472-015-9456-8
Reuillon, R., Leclaire, M., & Passerat-Palmbach, J. (2015). Model Exploration Using OpenMOLE - a workflow engine for large scale distributed design of experiments and parameter tuning. CoRR, abs/1506.04182. http://dblp.uni-trier.de/db/journals/corr/corr1506.html#ReuillonLP15