Le projet Turbo décodeur au-delà du Gbps sur multi-cœurs CPU est conçu pour optimiser les performances de décodage de données à des débits supérieurs au Gbps. Il exploite la puissance de traitement parallèle des processeurs multi-cœurs pour améliorer la vitesse et réduire la latence de décodage. Le décodeur prend en charge le décodage simultané de plusieurs flux de données, offrant une solution flexible et efficace pour les applications exigeantes en matière de traitement de données haute vitesse.

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 se concentre sur l'optimisation et l'accélération de calculs intensifs liés au minage de données et à la résolution de problèmes mathématiques complexes. Il propose des méthodes de prétraitement, de partitionnement et de calcul parallèle pour traiter des volumes de données importants, tout en gérant des données corrompues ou partielles. Les solutions développées visent à améliorer l'efficacité des algorithmes existants, notamment pour des applications en cryptographie ou en analyse de données.

Ewokscore est une solution d'orchestration et d'automatisation de workflows. Elle permet de définir des tâches et des processus métiers sous forme de graphes, où chaque nœud représente une action ou une étape. L'outil facilite la création de flux de travail complexes en reliant des tâches entre elles, avec des entrées et sorties standardisées. Idéal pour les environnements nécessitant une exécution séquentielle ou parallèle de processus, il optimise la productivité en automatisant des enchaînements d'opérations.

Plateforme embarquée réactive conçue pour le traitement de signaux en physique nucléaire. Elle combine des algorithmes avancés et des architectures matérielles dédiées (comme les APU Jetson) pour analyser des données issues de digitizers. Le projet vise à optimiser les calculs parallèles via des langages comme CUDA et OpenCL, tout en explorant des solutions matérielles innovantes pour des applications scientifiques exigeantes.

Ce projet propose une formation spécialisée en calcul haute performance (HPC) avec Python, destinée aux développeurs et chercheurs. Il couvre l'optimisation de code, l'analyse de performance, l'utilisation de bibliothèques scientifiques (NumPy, SciPy, Pandas) et les outils de parallélisation. Les participants apprennent à exploiter les fonctionnalités de Python pour des calculs intensifs et à déployer des solutions sur des infrastructures HPC.