Accueil

Présentation générale

Le consortium DICE (Deep Inside Computer Experiments) est un projet de recherche qui réunit universitaires, industriels et institutions publiques pour avancer sur les thèmes de l'exploration et de l'optimisation des grands codes de calcul ("computer experiments").

Le consortium DICE est piloté par le département 3MI, laboratoire commun à l'École des Mines de Saint-Étienne et ARMINES. Ce projet de recherche regroupe des partenaires industriels ou institutionnels (Total, Renault, EDF, IRSN et ONERA) et des participants académiques :

  • Pr. Laurent Carraro (École des Mines de Saint-Etienne)
  • Pr. Michelle Sergent (Université Paul Cézanne)
  • Pr. Anestis Antoniadis (Université Joseph Fourier)
  • Pr. Georges Oppenheim (Université d'Orsay)

Le projet a débuté fin 2006 pour une durée de 3 ans.

Bilan scientifique du projet

Les principaux résultats du projet DICE sont résumés dans notre plaquette au format pdf.

Packages R

Les travaux menés dans le cadre du consortium se sont concrétisés par le développement de plusieurs packages R :

Ces packages sont déposés sur le site officiel de R, et peuvent être téléchargés en les sélectionnant dans la liste ci-dessus.

Packages binaires Windows

Les packages binaires Windows s'installent directement par le menu "installer un package .zip" de R.

Packages binaires Mac OS

Les packages binaires Mac OS s'installent via le menu "packages et données", sous-menu "installateur de packages".

Packages sources

Les packages sources s'installent idéalement sous Linux. Ils peuvent être recompilés pour les plateformes Windows ou Mac.

Thèses de doctorat

Le consortium DICE a supporté plusieurs travaux de thèse de doctorat. Vous trouverez ci-après les manuscrits correspondants.

  • La thèse de Jessica Franco
  • intitulée "Planification d’expériences numériques en phase exploratoire pour la simulation des phénomènes complexes"

  • La thèse de David Ginsbourger
  • intitulée "Multiples métamodèles pour l'approximation et l'optimisation de fonctions numériques multivariables"

  • La thèse de Victor Picheny
  • intitulée "Improving accuracy and compensating for uncertainty in surrogate modeling"