StarterDiniApp est une application exécutable développée pour déployer et distribuer des logiciels compilés à partir de MATLAB. Elle facilite l'installation et l'exécution d'applications autonomes sur des machines ne disposant pas de MATLAB installé, en intégrant le MATLAB Runtime nécessaire. Destinée aux utilisateurs et développeurs souhaitant partager des outils analytiques ou de calcul sans dépendre d'un environnement MATLAB complet.

Ce projet fournit des outils pour empaqueter le client ARC6 de NorduGrid sous forme de conteneur Apptainer, facilitant ainsi son déploiement et son utilisation. Il inclut un wrapper pour exécuter les commandes en ligne de l'ARC6 depuis une image conteneurisée. Destiné aux centres de calcul comme le CC-IN2P3, il simplifie la gestion des jobs sur grille et l'exécution de tâches de calcul distribué.

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 fournit des outils dédiés à l'analyse de données de diffraction des rayons X (XRPD) et au calcul de fonctions de distribution de paires (PDF). Il permet d'automatiser le traitement complet des données, depuis l'intégration des motifs XRPD jusqu'à la génération de fichiers de résultats exploitables. Les workflows proposés facilitent la configuration, l'exécution et l'export des données en formats standardisés comme NeXus (HDF5) ou ASCII, adaptés aux besoins des instruments scientifiques.

MiniClust Worker permet de déployer des nœuds de calcul dédiés à l'exécution de tâches de clustering et de simulations distribuées. Il s'intègre à une infrastructure existante pour renforcer les capacités de traitement de données massives, notamment dans des contextes de recherche ou d'analyse scientifique. Le projet facilite l'ajout de ressources de calcul sans nécessiter de configuration complexe.

Outil dédié à l'exécution distribuée de tâches pour des workflows scientifiques ou techniques. Il permet d'orchestrer des calculs complexes en répartissant la charge sur plusieurs nœuds, optimisant ainsi les performances et la scalabilité des traitements. Idéal pour les projets nécessitant une gestion avancée des ressources et des dépendances entre tâches.

Ce projet permet de comparer les performances des langages PIG et Spark dans le cadre d'un calcul de PageRank sur des données distribuées. Il inclut des scripts pour générer des données, exécuter les algorithmes et analyser les résultats. L'objectif est d'étudier l'impact des paramètres (nombre d'itérations, nombre de machines) sur le temps d'exécution et d'identifier les optimisations possibles pour améliorer l'efficacité des traitements.

Ce projet vise à concevoir et optimiser un écosystème logiciel pour la gestion et l'exécution de workflows scientifiques, notamment dans le domaine de la recherche. Il permet de modéliser des tâches complexes, de les organiser en graphes dirigés, et de les exécuter de manière distribuée ou séquentielle. L'objectif est d'améliorer l'efficacité des processus expérimentaux en automatisant les enchaînements de calculs et en facilitant leur suivi.

EASEA est une plateforme open source dédiée à la spécification et à l'exécution d'algorithmes évolutifs. Elle permet aux chercheurs de concevoir facilement des algorithmes d'optimisation pour résoudre des problèmes scientifiques variés (continus, discrets, combinatoires, etc.). Grâce à son modèle d'îlots embarqué, elle exploite des ressources distribuées (clusters, cloud, GPGPU) pour accélérer les calculs, offrant des gains de performance significatifs.

MiniClust est un système léger de calcul batch multi-utilisateurs permettant de distribuer l'exécution de commandes bash sur un ensemble de machines. Il coordonne des travailleurs via un serveur Minio central qui stocke les tâches à exécuter. Les travailleurs, simples à déployer, peuvent rejoindre ou quitter le système à tout moment, assurant une gestion flexible et scalable des ressources de calcul.