Ce projet fournit une bibliothèque C++ dédiée à la résolution de problèmes d'optimisation linéaire. Il permet aux utilisateurs de modéliser des contraintes et des objectifs mathématiques pour simuler des scénarios industriels ou économiques. Les résultats obtenus aident à optimiser des processus, réduire des coûts ou maximiser des rendements.

Ithemal est un outil d'intelligence artificielle conçu pour prédire le nombre de cycles CPU nécessaires à l'exécution de blocs de code assembleur x86-64. Basé sur des modèles de deep learning, il permet aux développeurs et aux chercheurs d'évaluer rapidement la performance de leurs algorithmes sans avoir à les exécuter physiquement. L'outil est particulièrement utile pour l'optimisation de code bas niveau et l'analyse de performance matérielle.

Ce projet fournit des ressources pédagogiques pour les étudiants de l'ENSEEIHT en Sciences du Numérique. Il couvre deux matières principales : l'optimisation sans contraintes et les méthodes des différences finies pour les équations aux dérivées partielles (EDP). Les étudiants y trouvent des polycopiés, des travaux dirigés, des sujets de TP et des fichiers sources pour approfondir leurs connaissances.

Projet dédié à l'optimisation de calculs mathématiques avancés, notamment pour des applications en physique et en traitement de données. Il propose des outils pour évaluer et simplifier des expressions algébriques, des produits matriciels et des calculs de barycentres, facilitant ainsi l'analyse et la modélisation dans des contextes scientifiques ou industriels.

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.

Outil dédié à l'estimation des ressources (mémoire et CPU) nécessaires pour des simulations de magnétosphère globale utilisant des méthodes Particle-In-Cell (PIC). Il permet de comparer des hiérarchies de maillage adaptatif (AMR) avec des simulations de référence uniformes, facilitant ainsi l'optimisation des configurations de calcul pour des modèles magnétosphériques complexes.

Ce projet a pour but de démystifier l'exécution de l'inférence de réseaux de neurones profonds sur une combinaison CPU-GPU en utilisant TensorFlow Profiler. Il permet d'optimiser les performances de ces modèles en analysant et en visualisant leur exécution.

Bibliothèque simplifiée dédiée à la physique, intégrée aux modèles climatiques DYNAMICO et LMDZ. Elle permet de réaliser des simulations physiques de référence, de comparer les performances entre architectures CPU et GPU, et de valider les résultats obtenus. Utilisée principalement dans le cadre de recherches climatiques et environnementales, elle facilite l'analyse et l'optimisation des calculs physiques complexes.

MEDUSA est une classe SAGE dédiée au calcul de la capacitance des réseaux métaboliques. Elle permet d'analyser et d'optimiser des modèles métaboliques en utilisant différents solveurs comme CPLEX, GUROBI ou GLPK. L'outil facilite l'intégration dans des environnements de calcul scientifique pour des applications en biologie systémique et en bioinformatique.

Le projet optimisation vise à améliorer l'efficacité et la productivité des processus métiers grâce à l'automatisation et au suivi en temps réel. Il permet de simplifier les tâches répétitives, de détecter rapidement les goulets d'étranglement et de prendre des mesures correctives.