FR
ENVous êtes ici : Accueil
Créé à l'École Nationale des Ponts et Chaussées en 2003,
le CEREA est devenu un Laboratoire Commun École nationale des ponts et chaussées - EDF R&D à compter du 1er janvier 2004.
Ses activités de recherche sont centrées sur la pollution de l'air et la micrométéorologie des basses couches de l'atmosphère.
Rendez-vous en air inconnu - 1er épisode avec EDF
Rendez-vous en air inconnu - 2ème épisode : l'origine
Rendez-vous en air inconnu - 3ème épisode : immersion au cœur du CEREA
Dernières publications
Durand, C., Finn, T. S., Farchi, A., Bocquet, M., Brajard, J., and Bertino, L.: Four-dimensional variational data assimilation with a sea-ice thickness emulator, The Cryosphere, 19, 5613–5637, https://doi.org/10.5194/tc-19-5613-2025, 2025.
Vous souhaitez accéder à :
Durand, C., Finn, T. S., Farchi, A., Bocquet, M., Brajard, J., and Bertino, L.: Four-dimensional variational data assimilation with a sea-ice thickness emulator, The Cryosphere, 19, 5613–5637, https://doi.org/10.5194/tc-19-5613-2025, 2025.
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Meuer, J., Witte, M., Finn, T. S., Timmreck, C., Ludwig, T., & Kadow, C. (2025). Latent Diffusion and Spatio-Temporal Transformers Generate Large Ensemble Climate Simulations. IEEE Transactions on Artificial Intelligence, 1–14. https://doi.org/10.1109/TAI.2025.3621121
Vous souhaitez accéder à :
Meuer, J., Witte, M., Finn, T. S., Timmreck, C., Ludwig, T., & Kadow, C. (2025). Latent Diffusion and Spatio-Temporal Transformers Generate Large Ensemble Climate Simulations. IEEE Transactions on Artificial Intelligence, 1–14. https://doi.org/10.1109/TAI.2025.3621121
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Zhou, H., & Cheng, S. (2025). Improving long-term autoregressive spatiotemporal predictions: A proof of concept with fluid dynamics. Computer Methods in Applied Mechanics and Engineering, 447, 118332. https://doi.org/10.1016/j.cma.2025.118332
Vous souhaitez accéder à :
Zhou, H., & Cheng, S. (2025). Improving long-term autoregressive spatiotemporal predictions: A proof of concept with fluid dynamics. Computer Methods in Applied Mechanics and Engineering, 447, 118332. https://doi.org/10.1016/j.cma.2025.118332
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
