Ce projet propose des outils et méthodes pour optimiser les calculs intensifs sur GPU, notamment dans le domaine de la simulation scientifique. Il inclut des bibliothèques et frameworks dédiés à l'accélération des traitements parallèles, ainsi que des ressources pédagogiques pour former les utilisateurs à ces technologies. Destiné aux chercheurs et ingénieurs, il facilite la mise en œuvre de solutions haute performance pour des applications variées.

Ce projet fournit des outils et des environnements configurés pour exécuter des calculs intensifs sur des clusters GPU. Il facilite la soumission de tâches de calcul scientifique, d'apprentissage automatique ou de simulation numérique via des images conteneurisées optimisées pour les architectures NVIDIA. Destiné aux chercheurs et ingénieurs, il permet d'exploiter efficacement les ressources GPU disponibles dans un cadre académique ou industriel.

Projet académique dédié à la simulation numérique de phénomènes physiques complexes, notamment les écoulements de fluides, en exploitant les capacités de calcul des GPU. Il permet aux chercheurs et ingénieurs de modéliser des problèmes scientifiques avec une précision élevée et des performances optimisées, facilitant ainsi l'analyse et la compréhension de systèmes dynamiques dans divers domaines comme la mécanique des fluides ou la physique des plasmas.

Ce projet vise à optimiser les performances des calculs utilisant des stencils sur des architectures GPU. Il propose des outils et des méthodes pour accélérer les simulations scientifiques, notamment dans le domaine de la physique des particules. Les fonctionnalités incluent l'évaluation de produits de Hadamard, la factorisation de nombres et la gestion de matrices pour des calculs intensifs.

Ce projet permet d'effectuer des multiplications de matrices en exploitant la puissance des GPU pour des calculs intensifs. Il est particulièrement utile dans les domaines nécessitant des performances élevées comme la simulation scientifique, le traitement d'images ou l'apprentissage automatique. L'implémentation utilise des techniques d'optimisation pour maximiser l'efficacité des calculs parallèles.

Ce projet propose des outils pour simuler des réactions chimiques complexes comme le modèle Gray-Scott, en exploitant les capacités de calcul haute performance de Julia. Il inclut des implémentations CPU et GPU, des optimisations pour la compilation juste-à-temps et des benchmarks pour évaluer l'efficacité des algorithmes. Destiné aux chercheurs et ingénieurs en calcul scientifique, il facilite l'exploration de phénomènes physiques et chimiques à grande échelle.

SHTns est une bibliothèque haute performance dédiée aux Transformations en Harmoniques Sphériques, conçue pour les simulations numériques dans des géométries sphériques. Elle permet des calculs rapides et précis pour des applications scientifiques comme la dynamique des fluides, la magnétohydrodynamique ou l'étude des champs géophysiques. Compatible avec plusieurs langages, elle optimise les performances grâce à des techniques avancées comme le parallélisme OpenMP ou les accélérations GPU.

Projet dédié à l'exploitation des capacités de calcul des GPU pour des tâches intensives. Il permet d'accélérer des calculs parallèles, d'optimiser des performances graphiques et de traiter des données massives. Utilisé principalement pour des simulations numériques, des analyses scientifiques ou des applications nécessitant une puissance de calcul élevée.

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.

Ce projet propose des ressources et tutoriels pour maîtriser le langage Rust et optimiser des codes C++. Il inclut des exemples concrets de simulation scientifique, des outils de visualisation de traces GPU/CPU, et des benchmarks pour comparer les performances entre différentes implémentations. Destiné aux développeurs et chercheurs, il facilite l'apprentissage des bonnes pratiques en programmation parallèle et l'utilisation de Vulkan pour le calcul haute performance.