Ce projet soutient des recherches en physique des plasmas et accélérateurs laser en fournissant des outils pour simuler et optimiser des cibles à gaz à deux chambres. Il traite des données issues de simulations CFD et PIC, génère des profils adaptés pour des expériences laser-plasma, et utilise des méthodes d'optimisation bayésienne pour maximiser des fonctions de mérite liées à l'énergie et à la qualité des électrons produits.

DiceKriging est un package R dédié à l'inférence bayésienne et à l'optimisation de fonctions coûteuses. Il fournit des méthodes de krigeage pour l'analyse de sensibilité et la prédiction de sorties de modèles informatiques.

Ce dépôt de notebooks Jupyter illustre les fonctionnalités avancées de PyMoDAQ, une bibliothèque dédiée à l'acquisition et à l'analyse de données expérimentales. Il propose des exemples concrets pour visualiser, analyser et optimiser des données scientifiques, notamment à travers des méthodes comme l'analyse bayésienne et les processus gaussiens. Ces notebooks servent de support pédagogique pour exploiter au mieux les outils de PyMoDAQ.