À propos du fondateur

Doctorant en informatique

DEEPLBMNet a été fondé avec une ambition unique : redéfinir l'intelligence artificielle à travers les principes de la physique.

Je suis Yassine Douich, doctorant en informatique à la Faculté des Sciences de l'Université Chouaïb Doukkali, au Maroc. Mes recherches sont consacrées à l'intelligence artificielle, à l'apprentissage automatique scientifique (Scientific Machine Learning), à la vision par ordinateur et à la méthode de Boltzmann sur réseau (Lattice Boltzmann Method), avec un intérêt particulier pour la conception d'architectures neuronales de nouvelle génération inspirées par les systèmes physiques.

Tout au long de mes recherches, j’ai exploré une question fondamentale :
Les principes mathématiques qui régissent les phénomènes physiques peuvent-ils inspirer une nouvelle génération d'intelligence artificielle ?
Cette réflexion a conduit à la création de LBMNet, une initiative de recherche qui intègre les principes computationnels de la méthode de Boltzmann sur réseau (Lattice Boltzmann Method) au sein de l'apprentissage profond. Plutôt que de s'appuyer uniquement sur des architectures neuronales conventionnelles, LBMNet explore des modèles dans lesquels l'information se propage au travers d'interactions inspirées de la physique, ouvrant ainsi de nouvelles perspectives en matière d'efficacité, d'interprétabilité et de modélisation scientifique.
Aujourd'hui, LBMNet constitue une plateforme de recherche ouverte dédiée au développement de l'intelligence artificielle inspirée par la physique. Sa mission est de concevoir des architectures innovantes capables de relever des défis complexes dans des domaines tels que le calcul scientifique, la vision par ordinateur, l'imagerie médicale, l'analyse des séries temporelles, le génie biomédical et les sciences computationnelles.Au-delà de mes activités de recherche, je possède plus de dix-huit années d'expérience dans l'enseignement des mathématiques. Ce parcours a façonné mon approche scientifique, fondée sur la rigueur mathématique, l'analyse numérique et l'intégration des lois de la physique dans la conception des systèmes modernes d'intelligence artificielle.

Mes recherches couvrent plusieurs domaines, notamment la vision par ordinateur, l'analyse d'images médicales, la restauration d'images, la segmentation d'images, la prévision des séries temporelles, le calcul scientifique, la cybersécurité, l'analyse des signaux biomédicaux et l'apprentissage automatique scientifique (Scientific Machine Learning). À travers LBMNet, mon ambition est de concevoir des architectures innovantes capables de résoudre des problèmes complexes du monde réel tout en restant fondées sur des principes scientifiques solides.

Établir LBMNet comme une référence mondiale en intelligence artificielle inspirée par la physique, en développant des architectures d'apprentissage profond innovantes fondées sur les principes mathématiques de la méthode de Boltzmann sur réseau (Lattice Boltzmann Method).

• Faire progresser les frontières de l'intelligence artificielle inspirée par la physique.
• Développer de nouvelles architectures neuronales fondées sur la méthode de Boltzmann sur réseau (Lattice Boltzmann Method).
• Établir un pont entre la physique numérique et l'apprentissage profond moderne.
• Promouvoir une recherche scientifique ouverte et une intelligence artificielle reproductible.
• Soutenir les chercheurs, les étudiants et les ingénieurs grâce à des logiciels open source, des publications scientifiques et des ressources pédagogiques.
• Favoriser les collaborations internationales en intelligence artificielle et en calcul scientifique.

• Intelligence artificielle inspirée par la physique
• Apprentissage automatique scientifique (Scientific Machine Learning)
• Apprentissage profond fondé sur la méthode de Boltzmann sur réseau (Lattice Boltzmann Deep Learning)
• Vision par ordinateur
• Analyse d'images médicales
• Restauration et remplissage d'images (Image Inpainting)
• Segmentation d'images
• Traitement des signaux biomédicaux
• Prévision des séries temporelles
• Calcul scientifique
• Méthodes numériques pour les équations aux dérivées partielles

Thank you for visiting LBMNet. I invite you to explore our research, discover our architectures, and join us in shaping the future of physics-inspired artificial intelligence.