Ce projet utilise TensorFlow pour analyser et traiter des données sismiques en exploitant l'accélération par GPU. Il permet de calculer des corrélations croisées entre signaux sismiques, facilitant ainsi l'étude des phénomènes géophysiques. Les résultats peuvent être visualisés et partagés sous forme de présentations ou de rapports. L'outil est conçu pour être adapté à divers cas d'usage en géophysique.

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.

Ce projet propose des implémentations parallèles optimisées de l'algorithme de clustering k-means, exploitant les unités vectorielles des CPU multi-cœurs et les GPU NVIDIA. Il permet d'accélérer significativement le traitement de grands jeux de données, comme des mesures de consommation électrique ou des données de recensement, tout en garantissant une précision numérique élevée grâce à des méthodes de sommation en deux étapes.

Ce projet permet d'exécuter des opérations de calcul matriciel sur des cartes graphiques compatibles CUDA. Il est conçu pour accélérer les traitements intensifs de données numériques, notamment dans des domaines comme la simulation scientifique, l'analyse de données ou le machine learning. Le code source fourni permet de compiler et d'exécuter des additions de matrices en exploitant la puissance parallèle des GPU.

Ce projet propose des outils et méthodes pour optimiser les calculs intensifs sur GPU, notamment dans le domaine de la simulation scientifique. Il inclut des bibliothèques et frameworks dédiés à l'accélération des traitements parallèles, ainsi que des ressources pédagogiques pour former les utilisateurs à ces technologies. Destiné aux chercheurs et ingénieurs, il facilite la mise en œuvre de solutions haute performance pour des applications variées.

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 projet propose une méthode d'analyse sismique utilisant le calcul accéléré par GPU pour traiter des données géophysiques. Il permet de calculer des corrélations croisées entre signaux sismiques, facilitant ainsi l'étude des phénomènes géologiques. Les résultats peuvent être visualisés et exploités pour des applications en géophysique ou en sismologie.

Le projet oneapi-nvidia vise à optimiser les performances de calcul sur GPU en offrant une API unifiée pour les accélérateurs Intel et Nvidia. Il permet le développement d'applications haute performance en tirant parti des fonctionnalités avancées de ces GPU.

Le projet oneapi-nvidia-simple-app est une application permettant de tirer parti de la puissance de calcul des GPU NVIDIA via l'API oneAPI. Il offre des fonctionnalités d'accélération de calculs scientifiques, de machine learning et de simulation de systèmes physiques complexes.

SHTns est une bibliothèque haute performance dédiée aux Transformations en Harmoniques Sphériques, conçue pour les simulations numériques dans des géométries sphériques. Elle permet des calculs rapides et précis pour des applications scientifiques comme la dynamique des fluides, la magnétohydrodynamique ou l'étude des champs géophysiques. Compatible avec plusieurs langages, elle optimise les performances grâce à des techniques avancées comme le parallélisme OpenMP ou les accélérations GPU.