Ce projet vise à faciliter la collaboration entre les équipes de recherche et les développeurs de logiciels dans le domaine du calcul haute performance (HPC). Il organise des groupes de travail thématiques pour identifier et résoudre des défis algorithmiques et computationnels communs. Le projet produit des kits de développement (SDK) et des applications proxy permettant d'évaluer la performance et la portabilité des solutions logicielles développées dans le cadre du projet Exa-DI.

Ce projet open source permet de comparer et évaluer différents pipelines de modélisation numérique de terrain (DSM). Il facilite l'analyse statistique des reconstructions 3D générées par diverses méthodes (NASA ASP, CNES CARS, s2p-hd, IGN Micmac) et compare ces résultats à des vérités terrain. Les outils intégrés permettent de quantifier les performances des algorithmes pour des applications en cartographie, télédétection ou gestion des risques naturels.

Ce projet développe des outils pour optimiser les performances des calculs scientifiques, notamment via des méthodes de stencil et de gestion de mémoire. Il permet de simuler des processus physiques complexes et d'évaluer l'efficacité de différentes approches algorithmiques. Les fonctionnalités incluent le benchmarking, la gestion de données en mémoire et l'analyse de performance pour des applications nécessitant une haute efficacité computationnelle.

Ce projet est un projet de deep learning implémenté en Python. Il consiste en un notebook contenant un modèle de deep learning et des algorithmes. Le projet est structuré en plusieurs répertoires : le notebook principal, un répertoire contenant le jeu de données utilisé pour l'entraînement et les tests, un répertoire contenant les résultats d'évaluation et les métriques de performance, et un répertoire contenant l'application web.

Ce projet développe des outils algorithmiques pour analyser et optimiser des politiques de cache dans les systèmes informatiques. Il permet de modéliser des flux de données complexes, d'évaluer des politiques de gestion mémoire et de simplifier des expressions booléennes pour améliorer les performances des systèmes. Les solutions proposées sont principalement destinées aux développeurs et chercheurs en informatique.

Outil d'analyse d'équité dédié aux modèles de vérification faciale. Il permet d'évaluer objectivement si un algorithme traite équitablement différents groupes démographiques (genre, âge, ethnie) en calculant des métriques de performance et d'équité. Utilisé par les chercheurs et développeurs pour identifier et corriger les biais algorithmiques dans les systèmes de reconnaissance faciale.

Outil dédié à l'évaluation et au benchmarking des méthodes de détection des changements de pression sélective dans des jeux de données biologiques ou génomiques. Il permet de comparer objectivement les performances de différents algorithmes et approches statistiques pour identifier des variations évolutives dans des séquences génétiques ou des données phénotypiques.

Projet académique visant à créer un outil de benchmark pour évaluer l'efficacité des systèmes de détection d'attaques par déni de service (DDoS). Il permet de simuler des attaques réseau variées, de capturer le trafic généré, et d'analyser les performances de différents algorithmes de détection. Les résultats sont comparés via des métriques comme le taux de détection, la précision et le taux de faux positifs.

Ce projet se concentre sur l'optimisation des simulations fluides en utilisant la transformée en ondelettes discrète (DWT) pour une compression dynamique des données sur GPU. Il évalue les performances de différents algorithmes de compression et configurations de blocs pour améliorer l'efficacité mémoire et calculatoire. Les résultats sont utilisés pour valider des modèles numériques et réduire les coûts de stockage tout en préservant la précision des simulations.

P4a est un projet dédié à l'analyse comparative des performances de différentes structures logicielles ou algorithmiques. Il permet d'évaluer et de comparer des temps d'exécution, des consommations mémoire et d'autres métriques clés pour identifier les solutions les plus efficaces. Le projet s'appuie sur des protocoles expérimentaux rigoureux et des outils de visualisation pour faciliter l'interprétation des résultats.