Ce projet est une maquette logicielle visant à reproduire le code Hodin dans une version multi-nœuds. Il utilise StarPU pour gérer les communications et les tâches parallèles, et MPI pour la communication entre nœuds. L'objectif est de comparer différentes implémentations (séquentielle, StarPU naïve, avancée, et StarPU-MPI) sur un problème simple de calcul matriciel avec conditions aux limites périodiques. Les résultats sont analysés pour évaluer l'efficacité des stratégies de parallélisation et de communication.

Ce projet propose une image Docker basée sur Ubuntu 22.04, spécialement conçue pour les environnements de calcul parallèle. Il intègre Python 3.11, OpenMPI et des bibliothèques associées comme parallel HDF5, mpi4py et h5py. Destiné aux développeurs et chercheurs, il facilite la mise en place rapide d'un environnement prêt à l'emploi pour des applications nécessitant du calcul haute performance.

Le projet mpitest est une application de démonstration utilisant OpenMPI pour effectuer des calculs parallèles. Il permet de tester et de développer des applications MPI, ainsi que d'apprendre les concepts de base de la programmation parallèle.

Projet pédagogique visant à démocratiser l'accès aux supercalculateurs via un MOOC (Massive Open Online Course). Il propose une formation structurée en trois semaines pour maîtriser les bases du calcul haute performance, l'optimisation des ressources et la programmation parallèle avec OpenMP et MPI. Destiné aux chercheurs, industriels et étudiants, ce projet vise à renforcer les compétences locales en calcul scientifique et à faciliter l'utilisation des infrastructures régionales.

Ce projet propose des exercices pratiques pour l'enseignement du calcul parallèle. Il permet aux étudiants et apprenants de s'entraîner à compiler et exécuter des programmes parallèles en utilisant des bibliothèques comme MPI. Les exercices couvrent des concepts fondamentaux et des cas concrets pour maîtriser les techniques de parallélisation.

Le projet hello-mpi vise à faciliter le développement et l'exécution d'applications parallèles sur des clusters de calcul haute performance. Il offre des fonctionnalités de gestion de workflows, d'optimisation de performances et de simulation de calculs distribués, permettant aux utilisateurs de tirer parti des ressources de calcul offertes par les clusters MPI.

Ce projet facilite l'exécution de tâches parallèles utilisant le standard MPI (Message Passing Interface) sur un cluster Kubernetes. Il permet aux utilisateurs de déployer et gérer des jobs de calcul intensif de manière simplifiée, en tirant parti de l'orchestration Kubernetes pour une meilleure scalabilité et fiabilité. Idéal pour les applications scientifiques ou industrielles nécessitant des calculs distribués.

GeoFluids est un écosystème de packages logiciels dédiés à la simulation numérique des fluides géophysiques, avec une attention particulière portée aux écoulements atmosphériques. Il vise à offrir une grande extensibilité et une performance de calcul élevée, notamment grâce à des implémentations en Julia optimisées pour atteindre plusieurs GFlops sur des CPU standards. Les fonctionnalités incluent le multithreading, le support GPU via CUDA.jl et une roadmap pour le parallélisme MPI.

Ce projet fournit un guide pratique pour utiliser Singularity, un outil de conteneurisation, afin de créer des environnements isolés et reproductibles pour exécuter des calculs parallèles avec OpenMPI. Il s'adresse aux chercheurs et ingénieurs souhaitant déployer des applications MPI sur des clusters de calcul de manière simplifiée, sans les contraintes des machines virtuelles classiques. Le projet inclut des exemples concrets pour compiler et exécuter des programmes MPI dans des conteneurs, facilitant ainsi la reproductibilité et la portabilité des calculs.

Ce projet consiste en la création de recettes Docker pour l'environnement de calcul parallèle StarPU. Il permet de créer des images Docker minimales pour la compilation de StarPU, ainsi que des images contenant une installation simple de StarPU avec le support MPI activé. Les images Docker créées peuvent détecter les GPU de la machine hôte et les utiliser pour le calcul parallèle.