HYPO-MPC est un projet visant à optimiser les paramètres hyper d'un système de contrôle prédictif de modèle (MPC) à l'aide de l'algorithme NSGA-II. L'objectif est de trouver des valeurs optimales pour les paramètres MPC, tels que l'horizon de temps, le coefficient de vitesse et gamma, pour améliorer les performances du système de contrôle.

Le modèle structural agnostique (SAM) est une méthode de découverte de causalité. Il utilise des indépendances conditionnelles et des asymétries de distribution pour trouver la structure causale sous-jacente à partir de données observationnelles. L'approche repose sur un jeu entre différents joueurs estimant chaque distribution de variable conditionnellement aux autres sous forme de réseau de neurones et un adversaire visant à discriminer les données générées contre les originales. L' critère d'apprentissage de SAM combine l'estimation de distribution, des contraintes de parcimonie et d'acyclicité pour optimiser la structure et les paramètres du graphe grâce à la descente de gradient stochastique.

Outil d'optimisation automatique des performances des serveurs vLLM (Large Language Model) pour les déploiements en production. Il automatise la recherche des meilleurs paramètres de configuration (comme les flags du serveur vLLM) en utilisant des algorithmes d'optimisation (Optuna) et des benchmarks avancés (GuideLLM). Permet d'améliorer le débit, la latence et l'efficacité énergétique des modèles de langage tout en réduisant les coûts d'inférence.

TANGO est un outil de modélisation numérique conçu pour analyser et simuler les fermentations bactériennes dans la production fromagère. Il permet de réconcilier des données multi-omiques avec des réseaux métaboliques de trois espèces bactériennes clés : *P. freudenreichii*, *L. lactis* et *L. plantarum*. Le projet facilite l'optimisation des paramètres de fermentation et la compréhension des mécanismes d'interaction entre les bactéries, contribuant ainsi à améliorer les processus de fabrication des fromages.

Librairie Java dédiée à l'optimisation stochastique utilisant des chaînes de Markov à saut réversible combinées au recuit simulé. Elle permet de résoudre des problèmes complexes d'estimation et de modélisation, notamment pour des applications en géomatique, imagerie ou analyse spatiale. Le projet facilite l'exploration d'espaces de solutions multidimensionnels et l'ajustement de modèles paramétriques.

Ce projet développe des algorithmes d'apprentissage par renforcement pour entraîner des agents autonomes capables de résoudre des tâches complexes. Il utilise des environnements de simulation pour tester et améliorer les performances des modèles, en générant des graphiques et des vidéos de démonstration. Les résultats sont analysés pour optimiser les paramètres et maximiser les récompenses cumulées.

DataFitter est un outil spécialisé dans l'analyse et la modélisation de données expérimentales. Il permet aux chercheurs et ingénieurs de réaliser des ajustements de courbes, d'extraire des paramètres physiques significatifs et de visualiser les résultats de manière précise. Le logiciel facilite la comparaison entre données mesurées et modèles théoriques, optimisant ainsi les processus de recherche et développement dans des domaines comme la physique, la chimie ou l'ingénierie.

CNW-Grass est un modèle fonctionnel de structure végétale (FSPM) dédié à l'étude des graminées. Il simule la croissance des plantes en intégrant la morphogenèse, le métabolisme du carbone et de l'azote, ainsi que les flux d'eau. Le modèle prend en compte des paramètres pédoclimatiques (température, lumière, humidité, CO2, etc.) pour prédire le développement des organes végétaux, la photosynthèse, la transpiration et la sénescence. Il est utilisé en recherche agronomique pour optimiser les pratiques culturales et comprendre les interactions entre croissance végétale et environnement.

Le modèle SPARSE (Soil Plant Atmosphere Remote Sensing Evapotranspiration) est un outil scientifique conçu pour calculer les composantes du bilan énergétique entre le sol, la végétation et l'atmosphère. Il permet d'estimer l'évapotranspiration des cultures et d'évaluer leur niveau de stress hydrique à partir de données de télédétection thermique et de paramètres météorologiques. Utilisé principalement en agriculture et en gestion de l'eau, il aide à optimiser les pratiques culturales et à anticiper les besoins en irrigation.

Outil dédié à la génération automatique de modèles PRISM pour des systèmes de production industrielle. Il permet de créer des fichiers DTMC (Discrete-Time Markov Chains) basés sur des politiques de service spécifiques, comme le blocage après service. Les modèles générés facilitent l'analyse et l'optimisation des performances des lignes de production en exploitant des configurations paramétrables pour différents types de systèmes (1-slot ou 2-slot).