Le projet vasa-heart est une solution dédiée à l'agriculture de précision, permettant la surveillance de l'état de santé des plantes, l'analyse de données agricoles, la prédiction de rendements et l'optimisation de l'irrigation. Il vise à aider les agriculteurs à prendre des décisions éclairées pour améliorer leurs récoltes et limiter les pertes.

Ce projet est le workflow condensé de l'équipe ML_APT pour le défi [Genomes to Fields (G2F) Genotype by Environment Prediction Competition (2022)](https://www.maizegxeprediction2022.org/). L'objectif était de prédire le rendement du maïs en 2022, sur différents emplacements aux États-Unis et au Canada, en se basant sur les rendements du maïs de 2014 à 2021. Les rendements, ainsi que les données génomiques des hybrides et les données environnementales (météo, sol, métadonnées) ont été utilisés.

Universo est un outil pour Dedukti qui traduit (lorsque c'est possible) un jugement en tant que preuve écrit dans une spécification Cumulative Type System (CTS) en une autre spécification CTS. Les applications possibles sont la minimisation des univers, la rendre des preuves prédictives, et l'interopérabilité entre CTS.

Ce projet vise à adapter les méthodes d'apprentissage profond pour le rendu en temps réel en s'inspirant des principes de Pre-computed Radiance Transfer (PRT). Il s'agit d'un fork de Falcor 4.3 avec des scripts et des conversions de formats de scènes supplémentaires pour générer les données d'entraînement. Quatre architectures neurales différentes sont proposées, dont trois sont inspirées de PRT et améliorent la qualité des prédictions d'illumination globale par rapport aux méthodes existantes.