CUDA est une plateforme de calcul parallèle développée par NVIDIA, permettant aux développeurs d'exploiter la puissance des GPU pour des calculs intensifs. Elle est largement utilisée dans les domaines scientifiques, l'intelligence artificielle, le traitement d'images et les simulations complexes. CUDA simplifie la programmation parallèle et améliore significativement les performances des applications.

Singularity est une technologie open source conçue pour faciliter le déploiement, le partage et l'exécution d'applications scientifiques ou de calcul intensif dans des conteneurs légers. Elle permet d'encapsuler une application avec son environnement complet, garantissant une reproductibilité totale et une isolation des ressources, sans nécessiter de droits administrateur. Idéale pour les environnements de recherche et les infrastructures HPC, elle simplifie la gestion des dépendances et le partage des environnements entre collaborateurs.

PhoenixHPCProxy est une bibliothèque C++ conçue pour générer automatiquement des proxys de bibliothèques dynamiques. Elle permet d'optimiser les performances en sélectionnant dynamiquement l'architecture matérielle la plus adaptée (SSE, AVX, etc.) pour des calculs intensifs. Idéale pour les applications nécessitant des produits matriciels ou des opérations vectorielles, elle simplifie l'intégration de code optimisé sans modification manuelle.

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.

Bibliothèque C++ dédiée à l'optimisation et à la gestion efficace des tenseurs, utilisée principalement dans le domaine de la physique et du calcul scientifique. Elle permet une allocation mémoire performante et des opérations tensorielle simplifiées, réduisant les coûts computationnels pour les algorithmes complexes. Intégrée dans des projets de recherche comme CTA, elle facilite le développement d'applications nécessitant des calculs intensifs.

Ce projet facilite l'exécution de tâches parallèles utilisant le standard MPI (Message Passing Interface) sur un cluster Kubernetes. Il permet aux utilisateurs de déployer et gérer des jobs de calcul intensif de manière simplifiée, en tirant parti de l'orchestration Kubernetes pour une meilleure scalabilité et fiabilité. Idéal pour les applications scientifiques ou industrielles nécessitant des calculs distribués.

PLIBS_9_PYTHON est une bibliothèque Python optimisée dédiée aux calculs scientifiques intensifs. Elle propose des fonctions avancées pour accélérer les opérations mathématiques comme les réductions de données, les produits matriciels (GEMM, GEMV) ou les calculs vectoriels. Utilisée principalement dans le domaine de la physique et de l'astrophysique, elle permet aux chercheurs et développeurs d'optimiser leurs algorithmes tout en simplifiant leur implémentation en Python.

Ce projet fournit un kit de développement pour optimiser et accélérer les applications haute performance (HPC) sous CentOS 7. Il inclut des outils et bibliothèques pour faciliter l'intégration d'APIs, améliorer les performances des calculs intensifs et simplifier le déploiement dans des environnements de calcul scientifique ou industriel.

Ce projet fournit une documentation centralisée et structurée des ressources GPU disponibles, notamment pour les chercheurs et développeurs. Il vise à simplifier l'accès aux informations techniques, les bonnes pratiques et les outils associés aux infrastructures de calcul intensif. Le contenu est maintenu par une communauté académique et technique.

Cpp-taskflow est une bibliothèque moderne en C++ conçue pour simplifier la programmation parallèle. Elle permet aux développeurs d'exprimer des tâches et leurs dépendances de manière intuitive, facilitant ainsi l'optimisation des performances des applications nécessitant un calcul intensif ou des opérations multithreads. Idéale pour les projets scientifiques, industriels ou embarqués, elle réduit la complexité liée à la gestion des threads et améliore l'efficacité des ressources.