Ce projet propose un modèle Onelab dédié à la résolution de problèmes électromagnétiques 3D dans le domaine de la nanophotonique. Il permet de calculer des matrices T pour des objets arbitraires, d'analyser les modes quasi-normaux, de simuler la réponse à une onde plane ou encore d'étudier la densité locale d'états. Les outils intégrés incluent des formulations de champ total, des ondes partielles vectorielles et des PML sphériques pour modéliser des phénomènes complexes.

Bibliothèque logicielle dédiée au calcul scientifique et à l'algèbre linéaire. Elle permet aux chercheurs, ingénieurs et développeurs de manipuler des matrices, d'effectuer des calculs numériques complexes et de résoudre des problèmes mathématiques avancés. Utilisée dans des domaines comme la physique, l'ingénierie ou la finance pour des simulations et des analyses de données.

Ce projet est un dépôt expérimental dédié à la simulation et à l'analyse de systèmes robotiques. Il permet de calculer des grandeurs physiques comme le centre de masse, les vitesses, les accélérations ou les matrices jacobiennes pour des robots multi-corps. Il facilite également l'intégration et la gestion de configurations robotiques complexes.

Ce projet propose une implémentation Python des tests RCIT/RCoT, permettant d'évaluer l'indépendance conditionnelle entre variables en grande dimension. Il utilise des techniques d'approximation de matrices de noyaux via des *random Fourier features* pour des analyses statistiques robustes. Destiné aux chercheurs et data scientists, il facilite la validation de modèles et l'exploration de relations complexes dans les données.

Ce projet propose une implémentation Python des tests RCIT et RCoT, initialement développés en R. Il permet d'évaluer l'indépendance conditionnelle entre variables dans des jeux de données complexes grâce à des méthodes basées sur des approximations de matrices de noyaux. Utilisé principalement en recherche académique et en analyse de données, il facilite la validation de modèles et l'exploration de relations statistiques avancées.

Le projet dtk-plugins-math fournit des fonctionnalités de calcul matriciel avancées, permettant d'effectuer des opérations telles que la somme, la soustraction et la multiplication de matrices. Ces fonctionnalités sont optimisées pour les modèles complexes, facilitant ainsi l'analyse et le traitement des données.

Projet dédié au traitement et à l'analyse de données numériques, notamment pour des applications scientifiques ou techniques. Il permet de manipuler des matrices, effectuer des calculs avancés et simuler des processus complexes. Utilisé dans des environnements nécessitant une gestion optimisée des données.

PyC2MC est une bibliothèque Python dédiée à l'analyse et à la caractérisation moléculaire de matrices complexes. Elle fournit des outils pour faciliter le traitement des données issues de techniques analytiques avancées, permettant aux chercheurs et ingénieurs de simplifier leurs workflows et d'obtenir des résultats plus précis dans leurs études chimiques.

Projet dédié à l'analyse et au calcul de multiplets de Hilbert, avec des outils pour optimiser des matrices creuses et compiler du code pour architectures GPU. Il facilite l'exploration de structures mathématiques complexes et l'extension de bibliothèques spécialisées en algèbre linéaire.

Magasp est un outil dédié à la reconstruction de MAGs (Metagenome-Assembled Genomes) à partir de données métagénomiques. Il permet d'analyser les distances entre contigs, de prédire les gènes marqueurs et de traiter des matrices d'abondance et de TNF (TetraNucleotide Frequency). Utilisé principalement en recherche académique, il facilite l'assemblage et l'interprétation de génomes issus de communautés microbiennes complexes.