ScaSearch est une bibliothèque open source développée en Scala qui implémente des algorithmes avancés de résolution de problèmes inspirés de l'intelligence artificielle. Elle permet de modéliser et résoudre des défis complexes comme les puzzles, les jeux de stratégie ou les problèmes de satisfaction de contraintes. Basée sur des principes théoriques modernes, elle offre des outils pour automatiser la prise de décision et l'optimisation dans divers domaines techniques et scientifiques.

Module Scilab dédié à l'analyse quantitative des arbres de défaillances dynamiques. Il permet d'évaluer les risques et la fiabilité des systèmes critiques en utilisant des méthodes stochastiques et des bornes probabilistes. Utilisé pour la modélisation de scénarios de défaillance et l'optimisation de la sûreté de fonctionnement dans des domaines comme l'aéronautique ou l'énergie.

Bibliothèque Python dédiée à l'analyse et à la modélisation de données géospatiales. Elle permet aux scientifiques et ingénieurs de traiter des ensembles de données complexes pour étudier des phénomènes naturels, optimiser l'utilisation des ressources ou simuler des processus environnementaux. Intégrant des outils avancés de calcul et de visualisation, elle facilite la prise de décision dans des domaines comme l'urbanisme, l'écologie ou la gestion des risques.

AMOEBA est un framework open source conçu pour modéliser et optimiser des systèmes complexes à l'aide d'agents autonomes. Il permet de simuler des interactions entre entités, d'analyser des données spatiales et de détecter des anomalies dans des environnements dynamiques. Utilisé dans des domaines comme la robotique, l'urbanisme ou la gestion de ressources, il facilite la prise de décision en temps réel et l'adaptation automatique des modèles.

CAP est une plateforme dédiée à l'acquisition de contraintes pour les problèmes de satisfaction de contraintes (CSP). Elle permet d'apprendre des modèles de contraintes à partir d'exemples, facilitant ainsi la modélisation de problèmes complexes. Utilisée dans des domaines comme l'optimisation, la planification ou l'intelligence artificielle, elle aide les utilisateurs à définir des règles logiques sans expertise préalable en programmation par contraintes.

GPy est un framework open source en Python dédié à la modélisation par processus gaussiens. Il permet aux chercheurs et data scientists de construire, analyser et optimiser des modèles prédictifs pour des données variées. Utilisé dans des domaines comme la biologie, la finance ou l'ingénierie, il facilite l'exploration de relations non linéaires et la prise de décision basée sur des données.

NumpyFft est une bibliothèque logicielle dédiée au calcul efficace des transformées de Fourier rapides (FFT) et à l'analyse spectrale de signaux numériques. Elle permet aux chercheurs, ingénieurs et développeurs de traiter des données temporelles ou spatiales pour en extraire des informations fréquentielles, facilitant ainsi la modélisation, la simulation et l'optimisation de systèmes complexes dans divers domaines scientifiques et industriels.

Projet académique dédié à la simulation numérique de phénomènes physiques complexes, notamment les écoulements de fluides, en exploitant les capacités de calcul des GPU. Il permet aux chercheurs et ingénieurs de modéliser des problèmes scientifiques avec une précision élevée et des performances optimisées, facilitant ainsi l'analyse et la compréhension de systèmes dynamiques dans divers domaines comme la mécanique des fluides ou la physique des plasmas.

Projet dédié à l'application des principes de la physique dans le domaine médical. Il permet de modéliser et simuler des phénomènes physiques pour améliorer la compréhension des processus biologiques, optimiser les protocoles médicaux et analyser des données biomédicales. Les outils développés visent à soutenir la recherche et l'innovation en imagerie médicale et en diagnostic.

PhoenixFit est une bibliothèque logicielle dédiée à l'analyse de données et à la modélisation de phénomènes physiques, notamment dans le domaine de l'astrophysique. Elle permet aux chercheurs de simuler des systèmes complexes, d'optimiser des paramètres expérimentaux et de calculer des probabilités pour valider des hypothèses scientifiques. Utilisée dans des environnements de recherche, elle facilite le traitement de données issues d'observations ou d'expériences.