Projet dédié à la reproduction et à la validation d'expériences scientifiques publiées dans le domaine des neurosciences. Il permet aux chercheurs de vérifier les résultats d'études en recréant les conditions expérimentales décrites dans un article académique. Le dépôt fournit les outils nécessaires pour exécuter les simulations et analyser les données, favorisant ainsi la transparence et la reproductibilité en science.

Ce projet propose des expériences scientifiques reproductibles en fournissant un environnement d'exécution standardisé via un Dockerfile. Il permet aux utilisateurs de recréer à l'identique les conditions nécessaires pour valider ou reproduire des résultats expérimentaux, garantissant ainsi la transparence et la fiabilité des travaux.

Ce projet est un modèle de recherche destiné à faciliter l'analyse et la visualisation de données scientifiques. Il permet aux chercheurs de générer des rapports détaillés et des graphiques pour illustrer leurs résultats expérimentaux. Idéal pour les études nécessitant une approche structurée et reproductible.

Guix-Past est un canal qui permet de récupérer des paquets logiciels anciens et de les déployer dans un environnement actuel. Il facilite la reproduction d'environnements logiciels qui ont été utilisés il y a plusieurs années, ce qui est particulièrement utile dans le domaine de la recherche scientifique pour vérifier la reproductibilité de résultats antérieurs.

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.

Ce projet vise à éliminer les résultats de neuroimagerie non reproductibles, surnommés 'zombies', en promouvant l'utilisation de données ouvertes et de méthodes standardisées. Il propose des pipelines de pré-traitement, de contrôle qualité et d'analyse statistique accessibles à tous, afin de garantir la fiabilité et la réplicabilité des résultats scientifiques. L'objectif est de transformer les données brutes en ressources vivantes, vérifiables et partagées par la communauté.

Quarto Shiny SK8 est un atelier interactif conçu pour faciliter la création de présentations dynamiques et reproductibles. Il combine les fonctionnalités de Quarto pour la génération de documents et Shiny pour l'interactivité, permettant aux utilisateurs de présenter des analyses de données, des résultats scientifiques ou des tutoriels techniques de manière engageante. L'outil est particulièrement adapté aux environnements académiques et de recherche.

Projet dédié à la reproduction et à l'exploration d'expériences scientifiques présentées dans un article académique. Il permet de valider des modèles comportementaux (comme le modèle de flocking ou MARIUS) en recherchant des motifs inattendus. Les outils OpenMOLE et EGI grid sont utilisés pour exécuter des simulations distribuées et analyser les résultats.

Ce projet se concentre sur l'analyse des naines brunes proches à l'aide de données du télescope Fermi-LAT. Il vise à établir des contraintes sur les candidats particules de matière noire en utilisant 13 ans de données. Les résultats sont reproductibles pour d'autres naines brunes, et des calculs théoriques sont fournis dans un fichier Mathematica. Les travaux s'appuient sur des publications scientifiques récentes.

Ce projet propose une solution légère pour prédire et optimiser la consommation énergétique des plateformes de calcul haute performance (HPC). Il s'appuie sur des modèles de prédiction innovants pour aider les administrateurs système à réduire les coûts énergétiques tout en maintenant des performances optimales. Les résultats sont conçus pour être reproductibles et utilisables par la communauté scientifique.