Ce projet développe des outils pour entraîner et simuler des réseaux de neurones distribués, permettant d'optimiser des modèles d'apprentissage automatique à grande échelle. Il facilite l'analyse de données complexes et la simulation de scénarios pour améliorer les performances des algorithmes d'intelligence artificielle.

Ce projet propose une analyse multi-niveaux de l'utilisation des GPU dans les charges de travail d'entraînement en machine learning. Il compare les performances entre différents frameworks (TensorFlow, PyTorch) et outils de profilage (NVIDIA Nsight Compute). Les résultats sont présentés sous forme de figures et de rapports détaillés pour aider les chercheurs et ingénieurs à optimiser leurs modèles et infrastructures.

Outil dédié à la décomposition et à la modélisation de cartes de densité obtenues par cryo-microscopie électronique (EM). Il permet de calculer des modèles de mélange gaussien (GMM) pour représenter des structures macromoléculaires complexes. Le projet utilise une approche par division et conquête pour optimiser les calculs, notamment sur des clusters de calcul haute performance. Les résultats sont convertis dans différents formats pour une intégration facile avec d'autres logiciels d'analyse structurale.

Outil dédié à la génération automatique de modèles PRISM pour des systèmes de production industrielle. Il permet de créer des fichiers DTMC (Discrete-Time Markov Chains) basés sur des politiques de service spécifiques, comme le blocage après service. Les modèles générés facilitent l'analyse et l'optimisation des performances des lignes de production en exploitant des configurations paramétrables pour différents types de systèmes (1-slot ou 2-slot).

Ce projet développe des méthodes pour compresser progressivement les couches de réseaux de neurones convolutifs à impulsions, réduisant leur complexité tout en préservant leurs performances. Il permet de simuler des architectures neuronales avancées, d'extraire et d'adapter les poids pour des déploiements sur des plateformes matérielles spécialisées comme SpiNNaker. Les outils proposés facilitent l'optimisation et le transfert de modèles entre différents environnements de simulation et de calcul.

FlowVR est une bibliothèque middleware permettant de faciliter le développement et l'exécution d'applications haute performance interactives nécessitant l'exploitation de la puissance de nœuds informatiques distribués en grappe ou en grid. FlowVR a été utilisé pour des applications de réalité virtuelle, de téléprésence, de modélisation 3D en temps réel, de visualisation in situ, de pilotage de simulations moléculaires parallèles, etc. FlowVR réutilise et étend le paradigme de flux de données couramment utilisé dans les environnements de visualisation scientifique. Une application est vue comme un ensemble éventuellement distribué de modules échangeant des données. Différentes assemblées de modules peuvent être spécifiées sans modification ou recompilation des modules. Le développeur d'applications n'a pas à se soucier des problématiques de réseau. C'est le rôle de FlowVR de gérer et d'optimiser les échanges de données entre modules. FlowVR supporte les modules parallèles, permettant d'exploiter des codes MPI existants par exemple. Cette fonctionnalité est couramment utilisée pour la visualisation in situ ou le pilotage de simulations parallèles.

Le projet batcigri est une plateforme de simulation et d'optimisation de systèmes de production d'énergie éolienne. Il permet de modéliser des parcs éoliens et d'en optimiser la production en fonction de différents paramètres tels que la direction et la vitesse du vent, la topographie du terrain, etc. L'objectif est d'aider les professionnels de l'énergie éolienne à prendre des décisions éclairées en matière de planification et d'exploitation de parcs éoliens, en leur fournissant des outils d'analyse performants et faciles à utiliser.

Ce projet se concentre sur l'optimisation des simulations fluides en utilisant la transformée en ondelettes discrète (DWT) pour une compression dynamique des données sur GPU. Il évalue les performances de différents algorithmes de compression et configurations de blocs pour améliorer l'efficacité mémoire et calculatoire. Les résultats sont utilisés pour valider des modèles numériques et réduire les coûts de stockage tout en préservant la précision des simulations.

Outil dédié à la simulation d'événements discrets pour évaluer les performances et la fiabilité des réseaux LoRa. Il permet aux ingénieurs et chercheurs de modéliser des scénarios de communication IoT, d'analyser les latences et les taux de réussite des transmissions, et d'optimiser les déploiements de capteurs sans fil dans des environnements variés.

Ce projet propose une analyse comparative et une optimisation des hyperparamètres de sept architectures neuronales de pointe pour la segmentation du foie et des tumeurs hépatiques à partir d'IRM avec contraste. Il permet aux chercheurs et cliniciens d'évaluer et d'améliorer les performances des modèles d'IA dans le domaine médical, facilitant ainsi le diagnostic et la planification thérapeutique.