Ce projet propose un environnement minimaliste basé sur Jupyter, intégré dans des conteneurs Singularity/Apptainer et Docker. Il permet aux chercheurs et développeurs de déployer rapidement un espace de travail reproductible pour exécuter des notebooks scientifiques, analyser des données ou tester des algorithmes. Les images conteneurisées garantissent une compatibilité et une portabilité optimales entre différentes infrastructures de calcul, tout en simplifiant la gestion des dépendances logicielles.

Le projet Gildas est un conteneur Docker basé sur Debian Bullseye qui permet d'exécuter l'application Gildas avec son interface graphique. Il est utilisé pour l'analyse de données scientifiques en astronomie, en particulier pour l'extraction de données à partir de cubes astronomiques. Le conteneur inclut des scripts pour extraire des données à partir de datacube pour des tests. Il permet de monter deux volumes : /data pour les données scientifiques et /maps pour les scripts .map de Gildas.

Projet de formation et d'outils pour la création, la gestion et l'exécution de conteneurs Singularity v3. Destiné aux environnements HPC, il permet de packager des applications dans des conteneurs sécurisés et reproductibles, facilitant leur déploiement et leur utilisation sur des infrastructures de calcul haute performance. Inclut des recettes pour des applications scientifiques et des méthodes d'intégration continue.

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 est une formation sur l'utilisation de Nextflow et nf-core pour l'analyse de données biologiques. Il fournit des pipelines de best-practice pour différentes applications telles que RNAseq, BSseq, Hi-C, annotation, etc. Le projet est basé sur Nextflow, qui est un langage de programmation conçu pour gérer les workflows informatiques et un logiciel qui peut exécuter un workflow sur n'importe quelle infrastructure. Il permet une exécution évolutive et reproductible des workflows scientifiques en emballant toutes les dépendances logicielles dans des conteneurs.

Singularity est une technologie open source conçue pour faciliter le déploiement, le partage et l'exécution d'applications scientifiques ou de calcul intensif dans des conteneurs légers. Elle permet d'encapsuler une application avec son environnement complet, garantissant une reproductibilité totale et une isolation des ressources, sans nécessiter de droits administrateur. Idéale pour les environnements de recherche et les infrastructures HPC, elle simplifie la gestion des dépendances et le partage des environnements entre collaborateurs.

Ce projet fournit des outils pour faciliter l'utilisation des clients Rucio, une solution de gestion de données distribuées principalement utilisée dans le domaine de la recherche scientifique. Il permet de créer des conteneurs Singularity à partir d'images Docker officielles, simplifiant ainsi le déploiement et l'exécution des commandes Rucio et Rucio-admin. Ces outils sont particulièrement utiles pour les scientifiques et les équipes travaillant sur des projets nécessitant un accès et une gestion efficaces de grandes quantités de données.

Ce projet fournit un conteneur CentOS-7 préconfiguré avec Miniconda et CUDA 9.2 pour accélérer les calculs GPU sur des nœuds dédiés (K80, M40, P100). Il permet d'exécuter des applications scientifiques ou d'apprentissage profond sans problème de compatibilité kernel. Utilisable sur des infrastructures HPC comme TARS, il facilite le déploiement et l'optimisation des ressources pour des tâches intensives en calcul.

Ce projet fournit des conteneurs logiciels pour exécuter des outils de réduction et de calibration de données astronomiques, notamment PNDRS. Il permet aux chercheurs et astronomes de traiter des données interférométriques de manière reproductible et standardisée, en utilisant des versions spécifiques de PNDRS. Les conteneurs sont hébergés dans un registre dédié et facilitent l'intégration dans des workflows scientifiques.

Le projet nvidia_docker permet l'utilisation de GPU pour le calcul scientifique en exécutant des applications dans des conteneurs Docker. Il offre des fonctionnalités de compilation et d'exécution d'applications OpenGL et de création d'images Docker optimisées pour le calcul GPU.