Recherches

Chez LBMNet, nos recherches sont consacrées au développement de la nouvelle génération d'architectures d'intelligence artificielle inspirées par la physique. Nous combinons les principes mathématiques de la méthode de Boltzmann sur réseau (LBM) avec les techniques modernes d'apprentissage profond afin de concevoir des réseaux neuronaux efficaces, précis et interprétables pour le calcul scientifique et les applications réelles de l'intelligence artificielle. Notre objectif est d'établir un pont entre la physique computationnelle et l'intelligence artificielle en proposant des architectures qui apprennent à partir de principes physiques plutôt qu'en s'appuyant uniquement sur des opérations convolutionnelles conventionnelles.

• Apprentissage profond inspiré par la physique
  
• Réseaux neuronaux basés sur la méthode de Boltzmann sur réseau (LBMNet)
  
• Vision par ordinateur
  
• Analyse d'images médicales
  
• Restauration et complétion d'images
  
• Segmentation d'images
  
• Super-résolution d'images
  
• Colorisation d'images
  
• Détection d'objets
  
• Reconnaissance faciale
  
• Reconnaissance de formes
  
• Apprentissage automatique scientifique (SciML)
  
• Équations aux dérivées partielles (EDP)
  
• IA inspirée de la dynamique des fluides
  
• Imagerie médicale
  
• IA pour la santé
  
• IA explicable et efficace

Nous pensons que les futurs systèmes d'intelligence artificielle ne doivent pas seulement atteindre des performances élevées, mais aussi intégrer les connaissances scientifiques dans leur conception. LBMNet a pour ambition d'établir une nouvelle famille d'architectures neuronales inspirées par la dynamique de la méthode de Boltzmann sur réseau, offrant une efficacité, une robustesse et une interprétabilité physique accrues pour un large éventail de tâches en vision par ordinateur et en calcul scientifique.

Nos recherches en cours explorent de nouvelles architectures LBMNet pour :

• Complétion d'images
• Segmentation d'images médicales
• Débruitage des images IRM
• Super-résolution d'images
• Détection d'objets
• Classification d'images
• Reconnaissance faciale
• Colorisation d'images
• Simulation scientifique
• Apprentissage et résolution des équations aux dérivées partielles (EDP)

Plusieurs projets de recherche sont actuellement en cours de développement et seront publiés dans des revues scientifiques internationales et présentés lors de conférences internationales au fur et à mesure de leur disponibilité.

LBMNet est une initiative de recherche active. Nous accueillons avec intérêt les collaborations avec les universités, les laboratoires de recherche, les partenaires industriels et les étudiants intéressés par l'intelligence artificielle inspirée par la physique, la vision par ordinateur, l'imagerie médicale et l'apprentissage automatique scientifique. Ensemble, nous avons pour ambition de faire progresser l'avenir des systèmes intelligents grâce à des architectures neuronales innovantes fondées sur des principes mathématiques solides.