Cette bibliothèque de notebooks propose des ressources pédagogiques et scientifiques axées sur la modélisation et l'observation du climat. Elle permet aux chercheurs, enseignants et étudiants d'accéder à des contenus interactifs pour comprendre les mécanismes climatiques, analyser des données et reproduire des études. Les notebooks couvrent des sujets variés comme la paleoclimatologie, les modèles de circulation générale et les projections futures.

PMC-SOG est un outil de vérification de modèles parallèles utilisant des graphes d'observabilité symbolique. Il permet de vérifier des propriétés temporelles sur des systèmes concurrents et distribués, de construire des graphes d'observabilité symbolique et d'analyser les performances de ces systèmes.

Ce projet développe des méthodes d'adaptation de domaine non supervisée pour analyser des images multitâches dans un contexte réaliste avec un décalage extrême des étiquettes. Il se concentre sur l'application aux observations du premier grand télescope (LST-1) de l'observatoire CTAO, où les données simulées ne correspondent pas aux observations réelles en raison du bruit et du déséquilibre des étiquettes. Les solutions proposées visent à améliorer la précision des modèles de reconstruction d'événements en intégrant des données réelles non étiquetées.

Ce projet scientifique développe un outil en R pour quantifier l'impact de l'ajout de données opportunistes (comme les observations citoyennes) dans les modèles d'estimation de l'abondance et de la distribution de la mégafaune marine. Il simule des campagnes d'observation, intègre des données opportunistes, et compare les résultats avec des abondances simulées pour évaluer la précision des modèles. L'objectif est d'améliorer les méthodes de conservation et de gestion des écosystèmes marins.

Ce projet propose un algorithme de vérification parallèle hybride pour les architectures mémoire partagée et distribuée. La vérification est effectuée simultanément avec la construction parallèle de l'espace d'états du système. L'espace d'états du système est représenté par un graphe hybride appelé Graphe d'Observation Symbolique (SOG) qui combine une représentation symbolique des nœuds (ensembles d'états uniques) et une représentation explicite des arcs. Le SOG est adapté pour préserver les formules LTL à la fois étatiques et basées sur les événements.

Ce projet implémente un algorithme de vérification de modèles basé sur la construction parallèle d'un graphe d'observation symbolique (SOG) pour la vérification de propriétés temporelles linéaires (LTL) sur des systèmes parallèles, améliorant ainsi les performances et la scalabilité de la vérification de modèles.

PLIBS_9_LEARNING est une bibliothèque logicielle dédiée à l'analyse et à la modélisation de données issues de simulations ou d'expériences scientifiques. Elle permet de configurer, exécuter et visualiser des algorithmes d'optimisation avancés, notamment basés sur des méthodes génétiques. Utilisée principalement en physique expérimentale, elle facilite l'interprétation des résultats et l'ajustement de modèles théoriques aux données observées.

SynthGRB est un projet dédié à la simulation et à l'analyse de signaux radioastronomiques, notamment ceux associés aux sursauts gamma (GRB). Il permet aux chercheurs de modéliser des phénomènes astrophysiques extrêmes pour mieux comprendre leur origine et leur propagation. L'outil facilite l'étude des données observées et la comparaison avec des modèles théoriques, contribuant ainsi aux avancées en astrophysique.

Cette bibliothèque Java permet aux applications utilisant LangChain4j de se connecter à la plateforme Lutece AI. Elle facilite l'intégration de modèles d'IA (chat, streaming, embeddings) via une API centralisée, offrant une gouvernance unifiée, des quotas contrôlés et une observabilité renforcée. Idéale pour les développeurs souhaitant standardiser leurs interactions avec les services d'IA tout en bénéficiant d'une gestion simplifiée des appels API.

Outil dédié à l'analyse et à la modélisation des mouvements cinématiques des galaxies. Il permet de simuler des champs de vitesse observés et d'ajuster des modèles théoriques pour comprendre la dynamique interne des galaxies. Utilisé principalement en astrophysique, il facilite la comparaison entre observations et modèles, notamment pour étudier les courbes de rotation ou les structures internes des galaxies.