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 propose un benchmark dédié à l'évaluation des performances de différentes implémentations de l'équation de réaction Gray-Scott utilisant le framework SYCL. Il permet de comparer des méthodes de gestion mémoire (buffers, malloc_shared, malloc_device) et d'analyser l'impact des architectures matérielles (CPU, iGPU, dGPU) sur les temps de calcul et la précision des résultats. Les données collectées aident à optimiser les performances des applications scientifiques intensives.

Projet de développement logiciel axé sur des algorithmes numériques avancés pour des applications scientifiques ou industrielles. Ce dépôt semble contribuer à des méthodes de calcul haute performance, notamment pour des simulations ou des analyses de données complexes.

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 académique développe des outils pour évaluer et comparer des méthodes de calcul de graphes nommés (MD5 et Catalog) dans le cadre de l'analyse de données RDF. Il permet de mesurer les performances d'exécution de requêtes sur des prédicats et contextes variés, tout en structurant les données sémantiques pour une analyse optimisée.

Meteor HPC est une bibliothèque dédiée à la simulation numérique haute performance pour résoudre des problèmes physiques complexes. Elle permet de modéliser des flux, des conditions aux limites et des erreurs numériques dans des environnements périodiques ou non. Utilisée en recherche scientifique, elle facilite l'analyse de schémas numériques et l'optimisation de méthodes de calcul pour des applications en physique, ingénierie ou mathématiques appliquées.

Ce projet académique vise à implémenter un filtre de flou gaussien sur des images en utilisant des approches séquentielles et parallèles. Les étudiants ont développé des algorithmes pour comparer l'efficacité des calculs parallèles (via MPI) avec les méthodes traditionnelles. L'objectif est d'analyser les gains de performance et la qualité des résultats obtenus.

Ce projet développe une méthode pour classer les modèles d'IA conversationnelle utilisés dans le comparateur public compar:IA. Il calcule des scores de performance basés sur les réactions et votes des utilisateurs, tout en estimant leur consommation énergétique. Une interface graphique permet de visualiser l'évolution des matchs entre modèles et d'analyser les résultats selon différents critères, incluant une pondération écologique.

Le projet cmiisr vise à étudier et simuler la propagation du bruit dans l'aéronautique en utilisant des méthodes de calcul haute-performance. Il permet d'analyser des données de vol pour proposer des solutions d'atténuation du bruit.