Melissa est un framework open source conçu pour optimiser les analyses de sensibilité et l'entraînement de modèles de deep learning à très grande échelle sur supercalculateurs. Il élimine le besoin de stocker des fichiers intermédiaires en traitant les données en transit, permettant ainsi de gérer des études impliquant des milliers de simulations parallèles sans surcharge de stockage. Le système coordonne des simulations numériques, des calculs statistiques et des entraînements de réseaux de neurones de manière efficace et résiliente.

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.

Le projet NPB (NAS Parallel Benchmarks) est une suite de programmes conçus pour évaluer les performances des supercalculateurs et des systèmes parallèles. Développé par la NASA, il permet de mesurer l'efficacité des architectures informatiques en simulant des charges de travail intensives. Les benchmarks couvrent divers domaines comme le calcul scientifique, la dynamique des fluides ou le traitement de données massives. Les résultats obtenus aident les chercheurs et ingénieurs à optimiser leurs configurations matérielles et logicielles.

PhoenixThread est une bibliothèque C++ conçue pour faciliter la gestion de tâches parallèles et l'exécution de commandes système de manière optimisée. Elle permet aux développeurs d'orchestrer des processus en arrière-plan, de suivre leur état et de gérer efficacement les ressources disponibles. Idéale pour les applications nécessitant des calculs intensifs ou des traitements asynchrones, elle simplifie le développement multithread tout en offrant des outils pour le suivi et la synchronisation des tâches.

Ce projet développe des outils pour le calcul scientifique parallèle utilisant MPI, notamment pour le traitement de données via FFTW3 et la gestion de fichiers en parallèle. Il inclut des bibliothèques pour l'écriture et la lecture de grands jeux de données, ainsi que des méthodes de compression adaptées aux environnements haute performance. Les applications visent à optimiser les performances des calculs intensifs dans des contextes de recherche ou d'ingénierie.

Parallel Colt est un plugin pour le logiciel d'analyse d'images biologiques Icy. Il fournit une bibliothèque complète de fonctionnalités pour le traitement d'images en parallèle, ainsi que des outils pour les calculs mathématiques intensifs et l'optimisation numérique. Il est développé par des membres ou anciens membres de l'unité d'analyse d'images biologiques de l'Institut Pasteur.

Ce dépôt contient des tutoriels sur la programmation parallèle, conçus pour fonctionner avec Python et des modules tels que numpy et scipy. Les tutoriels couvrent l'utilisation de POSIX Threads, SIMD, OpenMP, CUDA et OpenCL pour le calcul parallèle et l'optimisation de code.

Ce projet propose des implémentations parallèles optimisées de l'algorithme de clustering k-means, adaptées aux architectures CPU multi-cœurs et GPU NVIDIA. Il permet d'analyser de grands volumes de données en réduisant significativement le temps de calcul grâce à des techniques de parallélisation avancées. Les utilisateurs peuvent exploiter des jeux de données réels ou synthétiques pour des applications en science des données, en apprentissage automatique ou en analyse statistique.

Sidi est un module Python léger conçu pour faciliter l'utilisation de Dask Distributed. Il simplifie la création et la gestion de schedulers et workers distribués, ainsi que l'instanciation de classes distantes. Idéal pour les développeurs cherchant à optimiser des calculs parallèles sans complexité excessive.

GeoFluids est un écosystème de packages logiciels dédiés à la simulation numérique des fluides géophysiques, avec une attention particulière portée aux écoulements atmosphériques. Il vise à offrir une grande extensibilité et une performance de calcul élevée, notamment grâce à des implémentations en Julia optimisées pour atteindre plusieurs GFlops sur des CPU standards. Les fonctionnalités incluent le multithreading, le support GPU via CUDA.jl et une roadmap pour le parallélisme MPI.