Ce projet explore des modèles innovants de réseaux d'ordre supérieur, permettant d'analyser des structures relationnelles complexes au-delà des graphes classiques. Il propose des outils pour modéliser et simuler des interactions multi-niveaux, utiles en physique théorique, en biologie des systèmes ou en sciences sociales. Les expérimentations visent à valider des hypothèses sur les dynamiques émergentes dans ces réseaux.

Ce projet développe des modèles de réseaux de neurones dédiés à la correction de phase dans des systèmes optiques complexes, notamment pour des réseaux de lasers. Il permet de simuler des mesures, d'entraîner des algorithmes d'apprentissage automatique pour optimiser la qualité des faisceaux lumineux, et de générer des données synthétiques pour des applications en photonique. Les outils proposés facilitent la recherche et l'expérimentation dans le domaine de l'optique adaptative.

Ce projet développe des réseaux de neurones artificiels homogènes pour étudier et simuler des architectures neuronales complexes. Il vise à améliorer la compréhension des mécanismes d'apprentissage et d'adaptation dans les systèmes intelligents. Les applications potentielles incluent la robotique, l'analyse de données et la modélisation cognitive. Le code est open source et collaboratif, permettant aux chercheurs et développeurs d'expérimenter et de contribuer aux avancées en IA.

EvoAgents est une plateforme de simulation dédiée à l'étude et à l'expérimentation d'agents autonomes utilisant l'architecture MIND comme système de contrôle. Elle permet de modéliser des comportements complexes, d'entraîner des réseaux de neurones et d'analyser les interactions entre agents dans des environnements dynamiques.