Projet académique dédié à la réalisation de calculs scientifiques avancés et à l'analyse de données issues de simulations ou d'expériences. Il permet aux chercheurs et étudiants de traiter des modèles complexes, d'interpréter des résultats numériques et de générer des visualisations pertinentes pour des publications ou des rapports techniques.

Ce projet pédagogique vise à enseigner les fondamentaux du calcul flottant aux scientifiques et développeurs. Il propose des ressources et un environnement Dockerisé pour expérimenter concrètement les concepts liés aux nombres à virgule flottante. Le contenu est structuré pour être accessible sans prérequis techniques avancés, avec des exercices pratiques et des retours d'expérience.

Cette école internationale propose une formation intensive en programmation avancée pour les domaines de l'astrophysique et de l'astroparticule. Elle couvre l'utilisation de bibliothèques scientifiques Python comme NumPy, Pandas et Matplotlib, ainsi que des outils pour le calcul parallèle et le traitement de données. Destinée aux chercheurs et étudiants, elle combine cours théoriques et sessions pratiques pour renforcer les compétences en développement logiciel scientifique.

Ce projet est une extension dédiée au calcul scientifique en C++. Il propose des fonctions avancées pour manipuler des nombres complexes et effectuer des calculs puissants, notamment des opérations sur les puissances de deux. Il s'intègre à un environnement de développement interactif pour faciliter les calculs mathématiques complexes.

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.

Ce projet propose une approche avancée pour la conteneurisation d'applications scientifiques, notamment dans le domaine du calcul haute performance (HPC). Il permet aux chercheurs et ingénieurs de créer des environnements reproductibles et isolés pour exécuter des logiciels complexes comme OpenMPI ou R, tout en garantissant une intégration optimale avec les infrastructures de calcul existantes. Les conteneurs Singularity facilitent le partage de configurations entre équipes et assurent une exécution performante des applications sans surcharge système.

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.

AngPow est un logiciel scientifique développé au Laboratoire de l'Accélérateur Linéaire (LAL/CNRS) pour calculer des spectres de puissance angulaire entre deux coques de décalage vers le rouge. Il permet d'analyser les corrélations cosmiques en intégrant des fonctions de sélection de décalage vers le rouge et des modèles de croissance des structures. L'outil inclut des approximations de Limber et des méthodes numériques avancées pour des calculs précis en cosmologie.

Ce projet propose une introduction pratique au calcul haute performance (HPC) et au traitement de données scientifiques, notamment pour l'astrophysique. Il inclut des outils pour manipuler des fichiers de données, effectuer des calculs complexes comme des transformées de Fourier ou des produits de Hadamard, et évaluer des algorithmes de calibration. Destiné aux étudiants et chercheurs, il facilite l'apprentissage des méthodes numériques avancées.

PLIBS_9_PYTHON est une bibliothèque Python optimisée dédiée aux calculs scientifiques intensifs. Elle propose des fonctions avancées pour accélérer les opérations mathématiques comme les réductions de données, les produits matriciels (GEMM, GEMV) ou les calculs vectoriels. Utilisée principalement dans le domaine de la physique et de l'astrophysique, elle permet aux chercheurs et développeurs d'optimiser leurs algorithmes tout en simplifiant leur implémentation en Python.