GATB-CORE est une bibliothèque C++ hautes performances et à faible empreinte mémoire dédiée à l'analyse de données de séquençage à haut débit. Elle fournit des algorithmes efficaces pour la manipulation de jeux de données de grande taille sur des ordinateurs de bureau multi-cœurs, y compris des données de séquençage provenant de n'importe quel type d'organismes, tels que des bactéries, des plantes, des animaux et même des échantillons complexes (par exemple, des métagénomes).

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.

Bibliothèque logicielle dédiée à l'optimisation et à l'accélération de calculs scientifiques intensifs. Elle propose des fonctions avancées pour le traitement parallèle de données, notamment des opérations vectorielles et matricielles. Utilisée principalement dans le domaine de la physique des particules et de l'astrophysique pour des simulations et analyses de données à haute performance.

Hep est une suite d'outils et de bibliothèques open source dédiée à l'analyse et au traitement de données en physique des hautes énergies. Il permet aux chercheurs et ingénieurs de manipuler des fichiers de données expérimentales, de simuler des détecteurs, de réaliser des calculs complexes et de visualiser les résultats avec des outils interactifs, le tout en exploitant la concurrency et les performances du langage Go.

NanoComp est un outil bioinformatique conçu pour comparer les résultats de séquençage Oxford Nanopore et les alignements associés. Il permet aux chercheurs d'évaluer les performances de différents pipelines ou jeux de données, facilitant ainsi l'optimisation des analyses génomiques. L'outil génère des rapports visuels et statistiques pour aider à la prise de décision dans les projets de séquençage à haut débit.

Ce projet automatise le benchmarking des performances des environnements HPC basés sur Guix, notamment pour les clusters comme Plafrim. Il exécute des tests de bande passante MPI entre nœuds, compare différentes configurations (MPI, réseaux) et stocke les résultats dans une base de données. Les données sont ensuite analysées pour détecter des régressions et visualisées sous forme de graphiques. L'objectif est d'optimiser les performances des infrastructures de calcul haute performance.

Ce projet est une plateforme dédiée à la formation pratique en intelligence artificielle, notamment pour l'entraînement de modèles de langage avancés comme ceux basés sur l'architecture Transformer. Il permet aux utilisateurs de configurer des environnements de calcul, de soumettre des jobs de formation sur des supercalculateurs, et d'analyser des jeux de données comme SQuAD pour évaluer les performances des modèles. Destiné aux étudiants et chercheurs, il facilite l'accès à des ressources de calcul haute performance.

HiPeRTA est une bibliothèque C++ dédiée à l'analyse en temps réel des données du réseau de télescopes Cherenkov (CTA). Elle implémente des algorithmes de reconstruction de bas niveau pour transformer les données brutes (R0, R1, DL0) en données de niveau DL1, conformes aux standards du CTAO. Utilisée par le sous-système Science Alert Generation (SAG) pour le contrôle et la surveillance des données, elle optimise les performances grâce à des opérations SIMD et un backend haute performance.

Ce projet automatise le traitement de fichiers génomiques en découpant des séquences FASTA et en exécutant des requêtes BLAST en parallèle. Il permet d'optimiser les analyses génomiques en réduisant le temps de calcul grâce à une parallélisation efficace sur des infrastructures de calcul haute performance comme SLURM. Destiné aux chercheurs et laboratoires en biologie moléculaire, il facilite l'exploration de grandes bases de données génétiques.

HiPeCTA est une bibliothèque Python dédiée à l'analyse haute performance des données du Cherenkov Telescope Array (CTA). Elle permet de traiter efficacement les données issues de simulations Monte-Carlo ou d'observations réelles, en exploitant les instructions SIMD des processeurs modernes. Son objectif est d'accélérer significativement les étapes de calibration, d'intégration, de nettoyage et de calcul des paramètres de Hillas, tout en s'intégrant au framework ctapipe pour une utilisation optimale dans la chaîne de traitement des données astrophysiques.