EASEA est une plateforme open source dédiée à la spécification et à l'exécution d'algorithmes évolutifs. Elle permet aux chercheurs de concevoir facilement des algorithmes d'optimisation pour résoudre des problèmes scientifiques variés (continus, discrets, combinatoires, etc.). Grâce à son modèle d'îlots embarqué, elle exploite des ressources distribuées (clusters, cloud, GPGPU) pour accélérer les calculs, offrant des gains de performance significatifs.

Mimosa est un outil dédié à l'optimisation de signaux épars et à la résolution de problèmes de moindres carrés sous contraintes de parcimonie. Il implémente des algorithmes avancés de Branch and Bound pour trouver des solutions optimales, ainsi que des méthodes de screening (comme GapSafe) pour accélérer les calculs. Le projet s'appuie sur des techniques publiées dans des articles scientifiques pour traiter des formulations variées (P2/0, P0/2, P2+0) et propose des comparaisons avec des solveurs comme CPLEX.

Ce projet vise à développer des outils d'intelligence artificielle pour analyser des données complexes issues de recherches scientifiques ou industrielles. Il permet de modéliser des scénarios prédictifs, d'automatiser des analyses répétitives et d'optimiser des processus expérimentaux. Les solutions proposées s'appuient sur des algorithmes avancés pour extraire des insights pertinents et accélérer la prise de décision dans des environnements techniques ou académiques.

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.

PhoenixPerformance est une bibliothèque logicielle dédiée à l'optimisation et à l'accélération des calculs scientifiques, notamment pour la simulation de systèmes physiques complexes. Elle propose des outils pour évaluer des produits de matrices, des barycentres, et des modèles comme Gray-Scott, tout en garantissant des performances élevées grâce à des algorithmes optimisés et parallélisés.

HiPeData est un format de données et une bibliothèque logicielle conçus pour le traitement haute performance des données issues des télescopes Cherenkov, notamment pour le réseau CTA (Cherenkov Telescope Array). Il facilite l'optimisation des algorithmes scientifiques en exploitant les opérations SIMD des processeurs modernes, permettant un traitement vectorisé et accéléré des données astrophysiques.

Ce projet propose une solution logicielle dédiée à la reconstruction d'images tomographiques. Il permet de transformer des sinogrammes, issus de techniques d'imagerie par ondes pénétrantes, en volumes 3D exploitables. L'algorithme 'gridrec' offre une alternative performante aux méthodes classiques comme la rétroprojection filtrée, avec des options de personnalisation pour répondre à divers besoins d'analyse médicale ou scientifique. Le code est optimisé pour des calculs accélérés via des backends C et OpenCL.

Ce projet propose des outils de calcul scientifique spécialisés dans la résolution d'équations d'agrégation. Il permet d'effectuer des simulations numériques avancées pour des applications en physique, mathématiques appliquées ou ingénierie. Les algorithmes optimisés exploitent les architectures modernes (CPU et GPU) pour accélérer les calculs intensifs.

PyHiPeRTA est une implémentation en Python d'algorithmes scientifiques dédiés à l'analyse de données haute performance, notamment pour le portage sur GPU. Ce projet vise à accélérer les calculs dans le domaine de l'astrophysique, en s'appuyant sur des bibliothèques comme NumPy pour des implémentations CPU. Il s'agit d'un prototype explorant des solutions optimisées pour le traitement intensif de données.

HPC_ASTRICS est un projet dédié au calcul haute performance (HPC) et à l'optimisation de calculs scientifiques. Il propose des outils pour accélérer les simulations numériques, les analyses de données et les traitements matriciels, notamment dans le domaine de la physique. Utilisé dans un cadre académique, il facilite la formation et la recherche en optimisant les performances des algorithmes.