Ce projet propose des outils pour optimiser les calculs mathématiques intensifs, notamment via des produits de Hadamard et des produits matriciels. Il inclut des implémentations de base, vectorisées et intrinsèques pour évaluer des fonctions et des opérations sur des matrices, destinées à améliorer les performances des calculs numériques dans des environnements scientifiques ou industriels.

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 développe des outils pour optimiser les performances des calculs scientifiques, notamment via des méthodes de stencil et de gestion de mémoire. Il permet de simuler des processus physiques complexes et d'évaluer l'efficacité de différentes approches algorithmiques. Les fonctionnalités incluent le benchmarking, la gestion de données en mémoire et l'analyse de performance pour des applications nécessitant une haute efficacité computationnelle.

Projet pédagogique visant à démocratiser l'accès aux supercalculateurs via un MOOC (Massive Open Online Course). Il propose une formation structurée en trois semaines pour maîtriser les bases du calcul haute performance, l'optimisation des ressources et la programmation parallèle avec OpenMP et MPI. Destiné aux chercheurs, industriels et étudiants, ce projet vise à renforcer les compétences locales en calcul scientifique et à faciliter l'utilisation des infrastructures régionales.

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 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.

Ce projet centralise des ressources pédagogiques dédiées au calcul scientifique et à l'optimisation des performances. Il propose des tutoriels sur des thèmes variés comme le profilage, la vectorisation, l'utilisation d'accélérateurs (OpenCL, Kokkos) ou encore le calcul intensif (OpenMP, MPI). Il couvre également des outils modernes comme TensorFlow, Spark ou HDF5 pour la science des données et l'apprentissage automatique.

Bibliothèque logicielle dédiée à l'optimisation et à l'accélération de calculs scientifiques intensifs. Elle propose des fonctions avancées pour le traitement parallèle de données, notamment des opérations vectorielles et matricielles. Utilisée principalement dans le domaine de la physique des particules et de l'astrophysique pour des simulations et analyses de données à haute performance.

OpenBLAS est une bibliothèque logicielle open source dédiée à l'accélération des calculs d'algèbre linéaire. Elle fournit des routines optimisées pour les opérations matricielles et vectorielles, améliorant significativement les performances des applications scientifiques, d'ingénierie ou de data science. Utilisée dans de nombreux domaines comme la simulation numérique ou l'intelligence artificielle, elle permet de réduire les temps de calcul tout en restant compatible avec les standards du calcul scientifique.

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.