Outils

Newsletter : TLDR

• Space programs IT developments
• NASA software
• SpaceX technology update
• Quantum computing
• Emerging programming languages

• National CyberSecurity Centre
• IT-Connect - Actualités
• CERT-FR

• @NASA, @ESA, @SpaceX
• @rustlang, @golang, @fsharporg
• @gvanrossum, @sarah_edo, @addyosmani, @Felienne
• @preskill, @skdh, @QuantumReport, @TheQuantumDaily

Résumé

La programmation est essentielle dans le cadre de la recherche et de l'exploration spatiale. Elle nécessite non seulement des connaissances très pointues en physique spatiale, en protocoles de communications des satellites ou encore en vol spatial, mais aussi une observation rigoureuse des standards de sécurité et de qualité, étant donné les coûts humains et financiers importants en cas d'échec d'une mission.

Les phases de la programmation logicielle pour les programmes spatiaux sont : la collecte des exigences, la conception, l'implémentation, les tests (unitaires, d'intégration, environnementaux) et la maintenance.

Les défis principaux sont :
• La tolérance aux pannes : les logiciels doivent pouvoir fonctionner malgré de probables pannes matérielles dû aux conditions environnementales. Les techniques utilisées incluent la redondance (plusieurs copies du logiciel ou matériel sont utilisées), la détection et la reprise automatique en cas de pannes ou encore le design "fail-safe" (le programme entre dans un état sécurisé en cas de panne)
• La compatibilité avec un grand nombre de configurations matérielles et logicielles : des satellites et des engins spatiaux différents utilisent du matériel et des protocoles de communication différents, le logiciel doit fonctionner malgré ces variations.
• Suive le rythme d'évolution des nouvelles technologies et techniques : l'utilisation de l'IA ou du machine learning est de plus en plus commune car elle permet aux satellites et engins spatiaux d'accomplir des tâches plus complexes et de prendre des décisions éclairées.

Résumé

L'informatique quantique est une approche révolutionnaire du calcul qui exploite les principes de la mécanique quantique. Contrairement aux ordinateurs classiques, qui utilisent les bits comme plus petite unité de données (0 et 1), les ordinateurs quantiques utilisent des bits quantiques ou qubits.

Les qubits peuvent exister simultanément dans plusieurs états, grâce au principe de superposition, permettant aux ordinateurs quantiques de traiter une grande quantité de données à la fois.

L'intrication, un autre principe clé, permet aux qubits intriqués d'être corrélés les uns aux autres, même lorsqu'ils sont séparés par de grandes distances. Cette propriété peut améliorer considérablement la vitesse et l’efficacité du calcul. Contrairement aux ordinateurs classiques qui doivent calculer chaque étape d'un calcul complexe, les circuits quantiques constitués de qubits logiques peuvent traiter d'énormes ensembles de données simultanément avec différentes opérations.

Les ordinateurs traditionnels sont déterministes : ils nécessitent des calculs laborieux pour déterminer un résultat singulier spécifique de toute entrée. Les ordinateurs quantiques sont probabilistes : ils trouvent la solution la plus probable à un problème.

IBM a été à l'avant-garde de la recherche sur l'informatique quantique, en développant des plates-formes matérielles et logicielles pour rendre l'informatique quantique accessible. Leur expérience quantique permet aux utilisateurs de réaliser des expériences sur du matériel quantique réel. Cependant, des défis tels que les taux d’erreur et les temps de cohérence des qubits restent des domaines critiques pour la recherche et le développement en cours.

Même si les ordinateurs quantiques excellent dans des tâches spécifiques (factorisation première, gestion de grands ensembles de données), ils ne remplaceront pas les ordinateurs classiques pour la plupart des applications. Des systèmes hybrides combinant l’informatique classique et quantique émergent, avec le potentiel de transformer les industries existantes et d’en créer de nouvelles à mesure que la technologie progresse.

Résumé

Tendances et limites des langages actuels :
• JavaScript : Essentiel pour le web, mais problèmes de scalabilité et maintenabilité dans les applications complexes.
• Python : Populaire mais plus lent que C++/Rust, et moins adapté aux applications en temps réel.
• Java : Clé pour Android, mais trop verbeux et avec une architecture dépassée comparée à Kotlin.

Langages concurrents :
Rust, Kotlin, Swift, Go, TypeScript gagnent du terrain grâce à leurs spécificités dans des domaines comme la sécurité mémoire, l'optimisation des performances et la scalabilité.

Nouvelles technologies :
L’IA, le machine learning et le cloud computing influenceront l'évolution des langages. Des langages comme Julia, TensorFlow, PyTorch se distinguent pour ces technologies.

Résumé

Les qubits sont les unités fondamentales de l'information quantique, analogues aux bits de l'informatique classique.

Contrairement aux bits classiques, qui représentent 0 ou 1, les qubits peuvent exister dans un état de superposition, ce qui signifie qu'ils peuvent représenter à la fois 0 et 1 simultanément. Cette propriété permet aux ordinateurs quantiques d’effectuer plusieurs calculs à la fois, améliorant ainsi considérablement la puissance de traitement.

Une autre caractéristique cruciale des qubits est l’intrication, où des paires de qubits s’interconnectent, permettant à l’état d’un qubit d’influencer instantanément l’état d’un autre, quelle que soit la distance. Ce phénomène est essentiel pour obtenir des calculs plus rapides et des capacités de résolution de problèmes plus complexes.

Les qubits peuvent être réalisés à l'aide de divers systèmes physiques, tels que des circuits supraconducteurs, des ions piégés ou des photons. Chaque méthode présente ses avantages et ses défis en termes de temps de cohérence, de taux d'erreur et d'évolutivité. IBM se concentre sur les qubits supraconducteurs, qui se sont révélés prometteurs pour atteindre des performances élevées.

Alors que les chercheurs continuent d’affiner la technologie des qubits, l’objectif est de créer des systèmes quantiques plus fiables et évolutifs. Les progrès dans la conception des qubits et la correction des erreurs sont essentiels pour libérer tout le potentiel de l’informatique quantique, ouvrant la voie à des percées dans divers domaines, notamment la cryptographie, la découverte de médicaments et la modélisation de systèmes complexes.

Résumé

Pour ses projets spatiaux, l' ISRO (Organisation Indienne pour la Recherche Spatiale) choisi rigoureusement ses langages de programmations :
• C++ : pour le design des systèmes de contrôle de satellites, la simulation de trajectoires complexes, grâce à son efficacité et ses capacités proche du hardware.
• Python : pour l'analyse des données, le planning de mission ou les test, grâce à versatilité et sa capacité à s'intégrer à d'autres langages.
• Java : pour les systèmes logiciels qui requièrent une compatibilité multi-plateforme.
• Ada : pour les systèmes de contrôle ou l'avionique, grâce à sa fiabilité et sa robustesse.
• Fortran : pour les analyses de trajectoires, la mécanique orbitale et les simulation, grâce à sa précision et sa capacité de calcul.
• Rust : pour le contrôle du système et la protection contre les erreurs liées à la mémoire.
• MATLAB : pour les modélisations et les simulations mathématiques complexes.
• Assembly Language : pour une optimisation extrême des performances hardware, grâce à sa correspondance directe avec le code machine.
• Swift : pour le contrôle et la surveillance des équipements embarqués, il est adapté aux applications de traitement de données en temps réel.
• Lua : pour la création de scripts d'automatisation de tâches, améliorant l'efficacité opérationnelle des satellite et engins spatiaux.

Résumé

La data science repose sur l’utilisation de langages de programmation pour collecter, modéliser, analyser et visualiser des données.

Les six principaux langages utilisés sont :
• Python : (utilisé par 90,6 % des data scientists en 2022) apprécié pour sa syntaxe simple et sa flexibilité.
• R : (38 %) open-source, avec une forte communauté et des capacités d’intégration avec d’autres langages.
• SQL : (53 %) essentiel pour gérer des bases de données relationnelles.
• Java : polyvalent, adapté aux grandes quantités de données et à l’IA.
• Scala : utilisé pour traiter de grandes quantités de données grâce à sa capacité à exécuter des processus parallèles.
• Julia : rapide et compatible avec les bibliothèques C et Python, idéal pour la modélisation des données, notamment dans la finance.

Lors du choix d’un langage, les data scientists prennent en compte des critères comme les normes de l’industrie, les exigences du projet, la facilité d’utilisation et le support communautaire. L’utilisation d’approches hybrides (ex. : R + Python) permet d’optimiser les flux de travail complexes.

Les professionnels utilisent aussi des logiciels comme Jupyter Notebook, Microsoft Power BI, Apache Spark, et RapidMiner, ainsi que des bibliothèques populaires comme Scikit-learn, TensorFlow, et PyTorch pour faciliter les tâches d’apprentissage automatique, de traitement du langage naturel et de reconnaissance d'images.

Résumé

Le monde de l’aérospatiale est le résultat de la coopération de nombreux secteurs complexes, dont le génie logiciel.

De l'ordinateur aux étoiles : le succès du premier alunissage du programme Apollo est dû à deux éléments cruciaux, ayant prévenu l'abandon de la mission :
• - L'ordinateur de guidage Apollo
• - Le logiciel de gestion des processus conçu par Margaret Hamilton. Il a permis à l'atterrisseur de poursuivre la mission en interrompant les processus en èés, déclenchés lors de l'alunissage par un trop plein de données dû à une erreur de configuration.

L'importance de l'échec : deux évènements marquants :
• - La perte de Mars Climate Orbiter en 1999, qui s'est écrasé sur la surface martienne lors de son entrée dans l'atmosphère, à cause d'un facteur de conversion incorrect pour une valeur de changement de vitesse. Les logiciels embarqués et au sol utilisaient des systèmes de mesure différents (impérial et métrique).
• - L'explosion de la fusée Ariane V en 1996, 30 secondes après son lancement. Le module logiciel responsable avait été repris d'Ariane IV, une des données n'était pas adaptée et a causé une erreur d'interprétation par l'ordinateur de bord. Dans un souci d'économie dans la phase de test, ce choix a entraîné la perte de millions de dollars.
Ceci démontre la criticité de la conception logicielle, et la difficulté à l'exploiter correctement. Les erreurs sont toutefois inévitables, comme l'illustre SpaceX, dont les échecs passés ont contribué au succès du Falcon Heavy en 2018.

Un futur open source : à plusieurs occasions, des projets menés par des passionnés ont été choisis comme bases pour construire le cœur d'un système de guidage ou de vol d'un rover ou d'un nanosatellite (par exemple pour l'atterrissage de Perseverance et Ingenuity sur Mars début 2020, dont le framework logiciel F Prime avait été rendu open source par JPL). Depuis avril 2021, GitHub a créé un badge spécial dédié à la mission, attribué aux utilisateurs dont les contributions ont été utilisées pour le logiciel embarqué d'Ingenuity.