MockSlurm est un outil de simulation du planificateur de tâches Slurm, utilisé dans les environnements de calcul haute performance (HPC). Il permet de reproduire le comportement d'un cluster réel sans nécessiter d'infrastructure physique, facilitant ainsi le développement, le test et la validation d'applications et de workflows de calcul. Idéal pour les équipes travaillant sur des solutions pour clusters ou des infrastructures HPC.

Schlouder est une solution logicielle conçue pour faciliter l'interfaçage entre une infrastructure cloud compatible EC2 et un planificateur de tâches comme SLURM. Elle permet d'automatiser la gestion des ressources informatiques, d'optimiser l'utilisation des clusters de calcul et de simplifier le déploiement de charges de travail batch. L'outil s'adresse principalement aux administrateurs système et aux chercheurs en calcul haute performance.

Ce projet développe une approche innovante pour optimiser la consommation énergétique des plateformes de calcul haute performance (HPC) en utilisant des prédictions légères. Il propose une méthode de planification des tâches qui réduit les coûts opérationnels tout en maintenant des performances élevées. Les résultats sont validés scientifiquement et partagés sous forme d'artefacts reproductibles pour la communauté de recherche.

Bibliothèque et outils dédiés à la planification de mouvements pour robots, notamment le bras robotique Panda. Permet de calculer des trajectoires optimales, d'éviter les collisions et de simuler des environnements industriels. Utilisé dans la recherche académique et l'industrie pour automatiser des tâches complexes avec précision et sécurité.

Ce projet vise à améliorer l'efficacité des planificateurs de ressources dans un environnement cloud en optimisant l'allocation des tâches de calcul. Il permet de mieux gérer les ressources disponibles pour maximiser les performances et réduire les coûts opérationnels.

Le projet locality-aware-scheduling vise à optimiser la planification de tâches parallèles en prenant en compte la localité des données dans les calculs distribués. Il s'appuie sur les bibliothèques Starpu et Simgrid pour fournir des algorithmes de planification performants et adaptés aux architectures de calcul modernes.

Automatisation du traitement des données RTA (Real-Time Analysis) pour le Large-Sized Telescope (LST) du projet CTA (Cherenkov Telescope Array). Ce projet gère l'exécution planifiée de scripts de traitement, la création d'environnements conda dédiés, et le lancement de tâches sur des nœuds de calcul pour analyser les données d'observation astronomique en temps réel. Il facilite l'intégration des outils scientifiques comme HiPeRTA et PhoenixDebugZMQ pour le traitement des flux de données.