Python

Comment transformer des heures d’intégration manuelle en une analyse que chacun peut relancer et auditer ? Cette étude de cas présente un pipeline Python qui lit les acquisitions GC-MS brutes, corrige la ligne de base, détecte et intègre les pics selon la méthodologie du constructeur, puis produit des rapports interactifs et des tables exploitables, le tout validé face à des résultats obtenus à la main.

Comment transformer un modèle de nuée tiré des manuels en une simulation qui passe à l’échelle de dizaines de milliers d’agents et se rend comme un fluide ? Cette étude de cas présente l’algorithme des boids, quatre backends de solveur de plus en plus rapides comparés côte à côte (jusqu’à environ 330 fois plus rapides que le Python naïf), et un moteur de visualisation GPU conçu avec ModernGL.

Comment concevoir un profil d’aile performant dans toutes les phases du vol ? Cette étude de cas présente une boîte à outils Python qui explore automatiquement des milliers de géométries et utilise l’optimisation évolutionnaire pour découvrir les meilleurs compromis aérodynamiques entre portance et traînée.

Présentation au CAPE-OPEN 2025 Annual Meeting sur l’intégration du logiciel de conception de pompes multiphasiques d’IFPEN dans la simulation de procédés via le standard CAPE-OPEN.