Format de virgule flottante en double précision

Le format flottant double précision est un format de données informatiques qui permet la représentation de nombres réels avec une précision spécifiée, ou un nombre de chiffres significatifs. L'acronyme "DPFP" signifie double précision en virgule flottante. Ce format est couramment utilisé dans les applications scientifiques et d'ingénierie où de nombreuses décimales de précision sont requises et, par rapport au format flottant à simple précision, il offre plus de bits de précision (54 bits).

La représentation en double précision d'un nombre réel se compose de trois parties : le signe (s), l'exposant (e) et la mantisse (m). Le signe (s) indique si le nombre réel est négatif (s=1) ou positif (s=0). L'exposant (e) est un nombre binaire qui indique la puissance à laquelle le nombre de base 2 doit être élevé ou divisé pour obtenir le nombre souhaité. Enfin, la mantisse (m) est une fraction binaire représentant les chiffres du nombre réel à droite de la virgule.

Pour stocker une valeur en double précision dans la mémoire d'un ordinateur, 64 bits sont alloués sous la forme de 8 octets. Ceci suit un format spécifique connu sous le nom de norme IEEE 754 pour les nombres à virgule flottante, qui est utilisé pour assurer la compatibilité entre les différentes architectures. Le premier bit de la mémoire de 8 octets est utilisé pour représenter le bit de signe (s). Les 11 bits suivants représentent l'exposant (e) et les 52 bits restants représentent la mantisse (m).

Depuis 2018, le format de virgule flottante en double précision est utilisé dans les unités de traitement graphique (GPU) afin d'obtenir une plus grande précision et de meilleures performances dans les applications scientifiques et d'ingénierie, ainsi que dans l'informatique générale sur les unités de traitement graphique (GPGPU). En outre, les opérations en virgule flottante double précision peuvent être effectuées sur les processeurs modernes ainsi que sur les GPU, en tirant parti du parallélisme - une technique qui permet le calcul simultané de plusieurs parties d'un problème - afin d'accélérer le processus.

Avec le développement de réseaux neuronaux d'apprentissage profond à grande échelle, l'utilisation de flottants en double précision dans les architectures GPU est devenue de plus en plus importante, car elle permet de capturer et de simuler des détails plus fins dans les images, les clips sonores et d'autres types de données.