Ce projet vise à optimiser les performances des calculs utilisant des stencils sur des architectures GPU. Il propose des outils et des méthodes pour accélérer les simulations scientifiques, notamment dans le domaine de la physique des particules. Les fonctionnalités incluent l'évaluation de produits de Hadamard, la factorisation de nombres et la gestion de matrices pour des calculs intensifs.

Ce dépôt propose des codes de test basiques pour évaluer l'environnement Adastra et le fonctionnement des GPU. Les exemples sont conçus pour aider les utilisateurs à vérifier la compatibilité, les performances et le bon fonctionnement de leurs configurations matérielles et logicielles. Les contributions supplémentaires sont encouragées pour enrichir la base d'exemples.

Ce projet fournit des outils et tutoriels pour développer des applications utilisant la programmation parallèle avec SyCL, notamment pour exploiter les capacités des GPU et accélérateurs. Il inclut des benchmarks pour évaluer les performances et des guides pratiques pour configurer des environnements de développement sur des machines équipées de cartes NVIDIA ou Intel. Destiné aux développeurs et chercheurs en calcul haute performance.

Ce projet propose des outils pour simuler des réactions chimiques complexes comme le modèle Gray-Scott, en exploitant les capacités de calcul haute performance de Julia. Il inclut des implémentations CPU et GPU, des optimisations pour la compilation juste-à-temps et des benchmarks pour évaluer l'efficacité des algorithmes. Destiné aux chercheurs et ingénieurs en calcul scientifique, il facilite l'exploration de phénomènes physiques et chimiques à grande échelle.

PasTiS est un simulateur de processeurs graphiques (GPU) conçu pour analyser et optimiser les performances des architectures matérielles. Il permet de modéliser des composants comme les mémoires cache, les unités de calcul ou les pipelines, et d'évaluer l'impact des choix architecturaux sur les calculs matriciels et les opérations graphiques.

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.

Ce projet réalise des tests préliminaires pour évaluer l'accélération des calculs de relaxation magnétique via OpenMP et GPU. Il simule le processus de relaxation utilisé dans Radia en itérant des calculs de nouvelles magnétisations. Les performances sont comparées entre une exécution CPU simple, OpenMP et GPU pour identifier les gains de temps significatifs.

Projet dédié à l'entraînement et à l'évaluation de modèles de classification d'images utilisant le jeu de données CIFAR-10. Il permet de configurer des environnements pour l'apprentissage automatique, d'entraîner des réseaux de neurones sur CPU ou GPU, et de tester les performances des modèles générés. Les scripts inclus facilitent l'exploration des données, l'entraînement et la validation des réseaux.

Projet dédié à l'optimisation et à l'accélération de calculs intensifs en utilisant des technologies comme CUDA et nvC++. Il permet de tester et comparer les performances des calculs parallèles sur CPU et GPU, notamment pour des applications scientifiques ou industrielles nécessitant des ressources de calcul avancées. Le projet inclut des outils de calibration, de benchmarking et des exemples pratiques pour évaluer l'efficacité des algorithmes.