ML Compiler & System Engineering & Research Paris

Quadrants est une couche de traduction open-source qui transforme le Python ordinaire en code machine optimisé à l'exécution, sur des backends CPU (Arm64, x86) et GPU (AMDGPU, CUDA, Metal, Vulkan). CUDA est la cible principale, avec x86 comme un fort concurrent, surtout pour la simulation en temps réel. Les autres soutiennent l'adoption et favorisent le prototypage rapide pour la recherche. L'ambition est claire : construire le meilleur « compilateur Python » au monde pour le calcul numérique critique en physique et en performance. Nous y sommes pleinement engagés et nous avons l'intention de surpasser les alternatives leaders comme « Nvidia Warp, Numba ou Triton ». C'est un projet autonome avec sa propre feuille de route, construit de manière ouverte. Genesis, notre simulateur physique, est son premier et principal utilisateur, source de ses charges de travail les plus difficiles et de ses benchmarks. Mais Quadrants est une infrastructure à usage général pour quiconque écrit du Python numérique critique en performance, pas un outil interne qui se trouve être public.

Le rôle consiste à posséder Quadrants de bout en bout : l'API, l'IR et la réduction, les passes d'optimisation, les primitives numériques et la feuille de route. Notre objectif ultime : que les ingénieurs écrivent pour la lisibilité et la maintenabilité, jamais pour la performance. Ils écrivent la version d'un algorithme avec laquelle ils sont le plus à l'aise, et Quadrants la reconstruit en noyaux qui s'exécutent comme si un expert les avait réglés à la main. La performance est le travail du compilateur, pas le leur. Y parvenir est un problème de frontière, à la fois recherche et ingénierie, et nous avons l'intention de définir l'état de l'art, en repoussant sans relâche les limites. Cela nécessite deux choses à la fois : la compétence GPU et compilateur de bas niveau pour rendre un seul noyau optimal, et la capacité de maintenir la cohérence de l'ensemble du système à mesure qu'il grandit. Le compromis fondamental est établi : l'utilisabilité passe en premier. Lorsque l'utilisabilité et la performance entrent en collision, l'utilisabilité l'emporte, sauf si le coût est sévère. Nous limiterons ce que le système prend en charge pour aller vite (formes statiques et allocation de taille fixe intégrées dans les noyaux, par exemple), mais jamais la commodité de l'API elle-même. Les experts qui souhaitent une performance maximale et un contrôle total sur le code généré obtiennent des échappatoires de bas niveau, jusqu'à l'assemblage en ligne, C ou PTX.

Ce que vous posséderez :

• API & expérience d'auteur. La surface contre laquelle les ingénieurs en physique et en calcul numérique écrivent, et, en tant que bibliothèque open-source, le visage du produit pour le monde. Idiomatique, naturel pour les utilisateurs de Python, jamais une langue séparée ajoutée à Python. Décorateurs propres, contraintes lisibles, erreurs nettes, véritables échappatoires.
• IR, réduction & backends. Un IR stable qui se réduit à plusieurs backends, avec de la place pour croître et la porte ouverte pour la simulation différentiable. Aujourd'hui, le graphe de calcul est exprimé à travers les propres constructions de Quadrants. Le récupérer automatiquement à partir de Python ordinaire est difficile, et un objectif à long terme plutôt qu'une réalité d'aujourd'hui.
• Optimisation. Transformer le code naïf en plans d'exécution solides : vectorisation, utilisation de registres et de mémoire partagée, barrières et atomiques, threading coopératif, élimination des tampons morts et du trafic redondant, suppression de la synchronisation inutile. Déplacer l'optimisation de bas niveau des utilisateurs vers la plateforme.
• Primitives. Cholesky, décomposition en valeurs propres, matmul, réductions, noyaux de solveurs. Chacun possédé avec sa correction, ses benchmarks et son suivi de régression. Surveiller Genesis et le compilateur ensemble. Chasser les gains de performance des deux côtés, dans Genesis et dans Quadrants lui-même. Proposer des changements d'API qui réduisent la duplication, améliorent la lisibilité et réduisent les cas particuliers spécifiques à la plateforme. Moins à maintenir, plus qui fonctionne simplement.
• Le projet en tant que produit. Évaluer les charges de travail réelles, suivre la performance dans le temps, détecter les régressions tôt. Rester proche des utilisateurs (Genesis en premier), trouver les frictions et les abstractions manquantes, favoriser l'adoption, définir la direction.

Qui vous êtes :

• Vous réfléchissez à des systèmes entiers et avez le goût de l'endroit où la complexité doit vivre.
• Vous mesurez avant d'optimiser, et vous visez le trafic mémoire et les frais de lancement avant les FLOPs.
• Vous avez des opinions sur la conception d'API.
• Vous écrivez des tests et des benchmarks au fur et à mesure, pas après.
• Le terrain sur lequel ce jugement repose : GPU. Ce à quoi l'optimal ressemble et pourquoi : motifs d'accès, registres, mémoire partagée, barrières, atomiques, threading. Une intuition CPU est un plus.
• Python & goût API. Python idiomatique. Un sens de ce qui est naturel pour les utilisateurs de Python. Des API qui libèrent les utilisateurs plutôt que de les contraindre.
• Compilateurs. Le chemin de l'écriture aux noyaux (IR, réduction, optimisation), pesé contre la maintenabilité.

Et comment vous travaillez : proactif et largement autodirigé. Vous récupérez le contexte à travers l'entreprise au lieu d'attendre. Vous êtes à l'aise pour parler aux ingénieurs qui utilisent ce que vous construisez, et à l'aise pour concevoir ouvertement pour des utilisateurs que vous ne rencontrerez jamais. Prêt à évoluer vers la direction d'une petite équipe (quelques personnes, à court terme).

Ce à quoi ressemble l'excellence :

• Les gens adoptent Quadrants en dehors de Genesis.
• Les ingénieurs écrivent un code plus clair avec moins de boilerplate.
• Les noyaux continuent de devenir plus rapides.
• La performance est suivie, pas devinée.
• L'architecture devient plus facile à étendre, pas plus difficile.

Ce à quoi nous ne faisons aucun compromis :

• Comment vous travaillez dépend de vous. Ce qui compte, c'est que votre propriété grandisse avec le temps : les angles morts diminuent, les parties pour lesquelles vous pouvez garantir augmentent, la dette technique diminue, le cœur reste sain. Cela nécessite de traiter la compréhension comme un véritable travail, pas comme une surcharge.
• Vous lisez et défiez la base de code au lieu de simplement empiler des fonctionnalités dessus.
• Vous ne tenez rien pour acquis que vous n'avez pas écrit.
• Vous surveillez la concurrence et ce qui arrive ensuite, et vous l'intégrez et le livrez. Utilisez des agents IA s'ils aident. Ce sont des outils de productivité, pas des propriétaires de code. Vous l'êtes.