Ce projet propose des bindings Python pour une bibliothèque Rust dédiée à la manipulation et à l'optimisation de formules logiques en déduction propositionnelle. Il permet aux chercheurs et développeurs d'accélérer les calculs de modèles et d'améliorer l'efficacité des outils d'analyse logique dans divers domaines comme l'intelligence artificielle ou la vérification formelle.

Outil dédié à l'analyse et à l'optimisation de modèles de compteurs abstraits utilisés en vérification formelle. Il permet de déterminer des tailles de ensembles concrets à partir de modèles pseudo-booléens, facilitant ainsi la validation de propriétés logiques complexes. Développé dans le cadre du projet BLaSST, il s'intègre dans des workflows de preuve automatisée pour les systèmes critiques.

Myria3D est une bibliothèque de deep learning conçue pour la segmentation multiclasse de grands nuages de points Lidar à haute densité. Elle implémente l'entraînement de réseaux de neurones de segmentation 3D avec des logiques de traitement et d'évaluation optimisées pour les données à l'échelle du lot. L'inférence sur des nuages de points inconnus à grande échelle est également prise en charge, ce qui permet d'évaluer la IoU sur l'ensemble du nuage de points, ce qui se traduit par une évaluation fiable du modèle.

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.

Veriloga est un outil dédié à la simulation et à la vérification de circuits logiques. Il permet aux ingénieurs et concepteurs de modéliser des systèmes numériques, d'analyser les signaux et de valider des architectures matérielles avant leur implémentation physique. Son approche facilite l'optimisation des performances et la détection précoce d'erreurs dans les designs.

Ce projet fournit des ressources pédagogiques pour les étudiants de l'ENSEEIHT en Sciences du Numérique. Il couvre deux matières principales : l'optimisation sans contraintes et les méthodes des différences finies pour les équations aux dérivées partielles (EDP). Les étudiants y trouvent des polycopiés, des travaux dirigés, des sujets de TP et des fichiers sources pour approfondir leurs connaissances.

Ce projet vise à identifier des sous-réseaux métaboliques pertinents dans des réseaux biologiques complexes. Il combine des approches de programmation logique pour modéliser les interactions biologiques et de programmation linéaire pour optimiser la détection de motifs métaboliques. L'objectif est d'aider les chercheurs en biologie systémique à comprendre et analyser les voies métaboliques de manière automatisée et reproductible.

Le projet optimisation vise à améliorer l'efficacité et la productivité des processus métiers grâce à l'automatisation et au suivi en temps réel. Il permet de simplifier les tâches répétitives, de détecter rapidement les goulets d'étranglement et de prendre des mesures correctives.

Le projet Optimisation vise à améliorer l'efficacité et la productivité des processus métiers grâce à l'automatisation et la gestion de workflows. Il permet de simplifier et d'accélérer les tâches répétitives, offrant ainsi un gain de temps et une meilleure qualité de travail.