Ce projet propose une formation spécialisée en calcul haute performance (HPC) avec Python, destinée aux développeurs et chercheurs. Il couvre l'optimisation de code, l'analyse de performance, l'utilisation de bibliothèques scientifiques (NumPy, SciPy, Pandas) et les outils de parallélisation. Les participants apprennent à exploiter les fonctionnalités de Python pour des calculs intensifs et à déployer des solutions sur des infrastructures HPC.

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.

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.

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.

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.

Scalatrace est un outil dédié à l'analyse et à la simulation de performances pour les applications parallèles et distribuées. Il permet de capturer des traces d'exécution détaillées (temps écoulé, nombre d'instructions) lors de l'exécution de benchmarks HPC ou d'applications scientifiques. Ces traces peuvent ensuite être réutilisées pour simuler ou optimiser les performances sur différents environnements matériels, facilitant ainsi l'évaluation et l'amélioration des infrastructures de calcul haute performance.

Ce projet utilise Snakemake et Singularity pour gérer des workflows bioinformatiques sur des clusters de calcul haute performance. Il permet l'analyse de données génomiques en utilisant des conteneurs pour assurer la reproductibilité et la portabilité des analyses.

La collection Pallas Trace contient des traces d'applications informatiques haute performance (HPC) destinées à la communauté de recherche pour analyse. Elle comprend des traces d'applications MPI, OpenMP et MPI+OpenMP, collectées sur différentes machines ou clusters.

Outil spécialisé dans l'exécution de benchmarks pour les systèmes haute performance (HPC). Il permet d'évaluer les performances de configurations matérielles variées, notamment via des techniques de modulation de fréquence (DVFS) et des compteurs de performance bas niveau. Utilisé principalement sur des infrastructures comme Grid5000, il aide à analyser la consommation énergétique et la stabilité des systèmes.