Le projet DeepPhysX fournit des packages Python permettant aux utilisateurs d'interfacer facilement leurs simulations numériques avec des algorithmes d'apprentissage. Il offre un package Core sans dépendance sur aucun framework de simulation ou d'IA, ainsi que d'autres packages compatibles avec ce Core et un framework de simulation ou d'IA spécifique.

Hydronaut est un framework pour l'exploration de l'espace des hyperparamètres à l'aide de Hydra et MLflow. Il encourage et facilite l'utilisation de ces outils en gérant leur complexité respective, permettant ainsi aux utilisateurs de se concentrer sur le développement de leurs modèles.

SimGrid est un outil de simulation permettant l'étude du comportement de systèmes distribués tels que les grilles informatiques, les clouds, les systèmes HPC ou P2P. Il peut être utilisé pour évaluer des heuristiques, prototyper des applications ou analyser des applications MPI existantes.

DeepMOT est un projet d'intelligence artificielle spécialisé dans le suivi et la détection d'objets dans des vidéos en temps réel.

Le projet DeepPhysX.Torch est un package Python dédié à la simulation et à la prédiction de systèmes physiques complexes. Compatible avec le framework PyTorch, il permet de modéliser et d'analyser divers phénomènes physiques grâce à des algorithmes d'intelligence artificielle. Destiné aux chercheurs et ingénieurs, il offre des fonctionnalités avancées pour une meilleure compréhension et prédiction des comportements de matériaux et systèmes physiques.

Le package DNADNA fournit des fonctions utilitaires pour améliorer le développement de réseaux de neurones pour l'analyse de données génétiques en population.

FreeStyleGAN est un projet de recherche qui vise à fournir un contrôle précis de la caméra pour la génération de portraits réalistes à partir de quelques images de visages. Il permet l'intégration de réseaux antagonistes génératifs dans des pipelines de rendu 3D standard, ainsi que l'édition de l'expression faciale et de l'éclairage dans les portraits générés.

Projet de recherche en infographie et intelligence artificielle visant à synthétiser des images réalistes de scènes avec des surfaces réfléchissantes à partir d'un ensemble de photos. Utilise une représentation de points neuronaux pour modéliser les catacaustiques et générer des rendus interactifs de haute qualité.

PLM4All est un projet dédié à la configuration de clusters Slurm pour l'exécution de tâches spécifiques nécessitant une quantité déterminée de GPU. Il offre des fonctionnalités de recherche de données et facilite la gestion des ressources matérielles pour des opérations d'inférence et d'apprentissage en deep learning.

Bibliothèque COMPRISE pour l'apprentissage supervisé faible de la transcription de la parole en texte (STT). Comprend trois composants : Err2Unk, Weakly Supervised Training basé sur les états de dialogue et Confusion Network basé sur l'apprentissage de modèles de langage (CN2LM).