FR
ENPublications
2026202520242023202220212020201920182017201620152014201320122011201020092008200720062005200420032002200120001997
Types de publications / Types of publication
2025
A. Farchi, M. Chrust, M. Bocquet, and M. Bonavita, “Development of an offline and online hybrid model for the Integrated Forecasting System,” Q. J. R. Meteorol. Soc., vol. 151, p. e4934, 2025, doi: 10.1002/qj.4934.
Vous souhaitez accéder à :
A. Farchi, M. Chrust, M. Bocquet, and M. Bonavita, “Development of an offline and online hybrid model for the Integrated Forecasting System,” Q. J. R. Meteorol. Soc., vol. 151, p. e4934, 2025, doi: 10.1002/qj.4934.
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
B. Pang, S. Cheng, Y. Huang, Y. Jin, Y. Guo, I. C. Prentice, S. P. Harrison, and R. Arcucci, “Fire-Image-DenseNet (FIDN) for predicting wildfire burnt area using remote sensing data,” Computers & Geosciences, vol. 195, p. 105783, 2025.
Vous souhaitez accéder à :
B. Pang, S. Cheng, Y. Huang, Y. Jin, Y. Guo, I. C. Prentice, S. P. Harrison, and R. Arcucci, “Fire-Image-DenseNet (FIDN) for predicting wildfire burnt area using remote sensing data,” Computers & Geosciences, vol. 195, p. 105783, 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.
Cheng, S., Bocquet, M., Ding, W., Finn, T. S., Fu, R., Fu, J., Guo, Y., Johnson, E., Li, S., Liu, C., Moro, E. N., Pan, J., Piggott, M., Quilodran, C., Sharma, P., Wang, K., Xiao, D., Xue, X., Zeng, Y., … Arcucci, R. (2025). Machine learning for modelling unstructured grid data in computational physics: A review. Information Fusion, 123, 103255. https://doi.org/10.1016/j.inffus.2025.103255
Vous souhaitez accéder à :
Cheng, S., Bocquet, M., Ding, W., Finn, T. S., Fu, R., Fu, J., Guo, Y., Johnson, E., Li, S., Liu, C., Moro, E. N., Pan, J., Piggott, M., Quilodran, C., Sharma, P., Wang, K., Xiao, D., Xue, X., Zeng, Y., … Arcucci, R. (2025). Machine learning for modelling unstructured grid data in computational physics: A review. Information Fusion, 123, 103255. https://doi.org/10.1016/j.inffus.2025.103255
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Dumont Le Brazidec, J., Vanderbecken, P., Farchi, A., Broquet, G., Kuhlmann, G., and Bocquet, M.: Quantification of CO2 hotspot emissions from OCO-3 SAM CO2 satellite images using deep learning methods, Geosci. Model Dev., 18, 3607–3622, https://doi.org/10.5194/gmd-18-3607-2025, 2025.
Vous souhaitez accéder à :
Dumont Le Brazidec, J., Vanderbecken, P., Farchi, A., Broquet, G., Kuhlmann, G., and Bocquet, M.: Quantification of CO2 hotspot emissions from OCO-3 SAM CO2 satellite images using deep learning methods, Geosci. Model Dev., 18, 3607–3622, https://doi.org/10.5194/gmd-18-3607-2025, 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.
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.
F. Couvidat, L. Lugon, P. Messina, K. Sartelet, and A. Colette, “Optimizing computation time in 3D air quality models by using aerosol superbins within a sectional size distribution approach: Application to the CHIMERE model,” Journal of Aerosol Science, vol. 187, p. 106572, 2025, doi: https://doi.org/10.1016/j.jaerosci.2025.106572.
Vous souhaitez accéder à :
F. Couvidat, L. Lugon, P. Messina, K. Sartelet, and A. Colette, “Optimizing computation time in 3D air quality models by using aerosol superbins within a sectional size distribution approach: Application to the CHIMERE model,” Journal of Aerosol Science, vol. 187, p. 106572, 2025, doi: https://doi.org/10.1016/j.jaerosci.2025.106572.
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Farhat, M., Pailler, L., Camredon, M., Maison, A., Sartelet, K., Patryl, L., Armand, P., Afif, C., Borbon, A., & Deguillaume, L. (2025). Investigating the role of anthropogenic terpenoids in urban secondary pollution under summer conditions by a box modeling approach. Environ. Sci.: Atmos., 5(5), 574–590. https://doi.org/10.1039/D4EA00112E
Vous souhaitez accéder à :
Farhat, M., Pailler, L., Camredon, M., Maison, A., Sartelet, K., Patryl, L., Armand, P., Afif, C., Borbon, A., & Deguillaume, L. (2025). Investigating the role of anthropogenic terpenoids in urban secondary pollution under summer conditions by a box modeling approach. Environ. Sci.: Atmos., 5(5), 574–590. https://doi.org/10.1039/D4EA00112E
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Gant, S., Chang, J., Hetherington, R., Hanna, S., Tickle, G., Spicer, T., McMasters, S., Fox, S., Meris, R., Bradley, S., Miner, S., King, M., Simpson, S., Mazzola, T., McGillivray, A., Tucker, H., Björnham, O., Carissimo, B., Fabbri, L., … Aasen, A. (2025). Pressure-liquefied ammonia jet dispersion: Multi-model intercomparison using Desert Tortoise and FLADIS field data. Atmospheric Environment: X, 28, 100389. https://doi.org/10.1016/j.aeaoa.2025.100389
Vous souhaitez accéder à :
Gant, S., Chang, J., Hetherington, R., Hanna, S., Tickle, G., Spicer, T., McMasters, S., Fox, S., Meris, R., Bradley, S., Miner, S., King, M., Simpson, S., Mazzola, T., McGillivray, A., Tucker, H., Björnham, O., Carissimo, B., Fabbri, L., … Aasen, A. (2025). Pressure-liquefied ammonia jet dispersion: Multi-model intercomparison using Desert Tortoise and FLADIS field data. Atmospheric Environment: X, 28, 100389. https://doi.org/10.1016/j.aeaoa.2025.100389
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
H. Fan, S. Cheng, A. J. de Nazelle, and R. Arcucci, “ViTAE-SL: A vision transformer-based autoencoder and spatial interpolation learner for field reconstruction,” Computer Physics Communications, vol. 308, p. 109464, 2025.
Vous souhaitez accéder à :
H. Fan, S. Cheng, A. J. de Nazelle, and R. Arcucci, “ViTAE-SL: A vision transformer-based autoencoder and spatial interpolation learner for field reconstruction,” Computer Physics Communications, vol. 308, p. 109464, 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.
J. Lever, S. Cheng, C. Quilodrán Casas, C. Liu, H. Fan, R. Platt, A. Rakotoharisoa, E. Johnson, S. Li, Z. Shang, and R. Arcucci, “Facing & mitigating common challenges when working with real-world data: The Data Learning Paradigm,” Journal of Computational Science, vol. 85, p. 102523, 2025.
Vous souhaitez accéder à :
J. Lever, S. Cheng, C. Quilodrán Casas, C. Liu, H. Fan, R. Platt, A. Rakotoharisoa, E. Johnson, S. Li, Z. Shang, and R. Arcucci, “Facing & mitigating common challenges when working with real-world data: The Data Learning Paradigm,” Journal of Computational Science, vol. 85, p. 102523, 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.
Jacquot, O. and Sartelet, K.: Numerical investigations on the modelling of ultrafine particles in SSH-aerosol-v1.3a: size resolution and redistribution, Geosci. Model Dev., 18, 3965–3984, https://doi.org/10.5194/gmd-18-3965-2025, 2025.
Vous souhaitez accéder à :
Jacquot, O. and Sartelet, K.: Numerical investigations on the modelling of ultrafine particles in SSH-aerosol-v1.3a: size resolution and redistribution, Geosci. Model Dev., 18, 3965–3984, https://doi.org/10.5194/gmd-18-3965-2025, 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.
Jean-Pierre Minier, Martin Ferrand, Christophe Henry (2025) Understanding Turbulent Systems - Progress in Particle Dynamics Modeling, https://doi.org/10.1007/978-3-031-84466-9
Vous souhaitez accéder à :
Jean-Pierre Minier, Martin Ferrand, Christophe Henry (2025) Understanding Turbulent Systems - Progress in Particle Dynamics Modeling, https://doi.org/10.1007/978-3-031-84466-9
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
K. Nathanael, S. Cheng, N. M. Kovalchuk, R. Arcucci, and M. J. H. Simmons, “Optimisation of microfluidic synthesis of silver nanoparticles via data-driven inverse modelling,” Chemical Engineering Research and Design, vol. 216, pp. 523–530, 2025.
Vous souhaitez accéder à :
K. Nathanael, S. Cheng, N. M. Kovalchuk, R. Arcucci, and M. J. H. Simmons, “Optimisation of microfluidic synthesis of silver nanoparticles via data-driven inverse modelling,” Chemical Engineering Research and Design, vol. 216, pp. 523–530, 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.
Li, S., Zheng, T., Farchi, A., Bocquet, M., & Gentine, P. (2025). Probabilistic data assimilation for ensemble distribution projections with generative machine learning: A Lorenz ’96 proof-of-concept. Geophysical Research Letters, 52, e2024GL112523. https://doi.org/10.1029/2024GL112523
Vous souhaitez accéder à :
Li, S., Zheng, T., Farchi, A., Bocquet, M., & Gentine, P. (2025). Probabilistic data assimilation for ensemble distribution projections with generative machine learning: A Lorenz ’96 proof-of-concept. Geophysical Research Letters, 52, e2024GL112523. https://doi.org/10.1029/2024GL112523
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Lostier, A., Sarica, T., Lasne, J., Roose, A., Sartelet, K., Jamar, M., Gaudion, V., Dusanter, S., Lesueur, D., Chen, H., Salameh, T., & Romanias, M. N. (2025). Real-World Asphalt Pavement Emissions: Combining Simulation Chamber Measurements and City Scale Modeling to Elucidate the Impacts on Air Quality. ACS ES&T Air, 2(3), 426–435. https://doi.org/10.1021/acsestair.4c00323
Vous souhaitez accéder à :
Lostier, A., Sarica, T., Lasne, J., Roose, A., Sartelet, K., Jamar, M., Gaudion, V., Dusanter, S., Lesueur, D., Chen, H., Salameh, T., & Romanias, M. N. (2025). Real-World Asphalt Pavement Emissions: Combining Simulation Chamber Measurements and City Scale Modeling to Elucidate the Impacts on Air Quality. ACS ES&T Air, 2(3), 426–435. https://doi.org/10.1021/acsestair.4c00323
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Lugon, L., Kemgne, C., Vot, V. L., Mauchard, N., Quang, B. V., Wang, C., jin Soo-Park, Kim, Y., Vigneron, J., Dugay, F., Sanchez, O., & Sartelet, K. (2025). How far can we improve urban air quality and population exposure by changing mobility? An analysis in Paris. Science of The Total Environment, 1000, 180266. https://doi.org/https://doi.org/10.1016/j.scitotenv.2025.180266
Vous souhaitez accéder à :
Lugon, L., Kemgne, C., Vot, V. L., Mauchard, N., Quang, B. V., Wang, C., jin Soo-Park, Kim, Y., Vigneron, J., Dugay, F., Sanchez, O., & Sartelet, K. (2025). How far can we improve urban air quality and population exposure by changing mobility? An analysis in Paris. Science of The Total Environment, 1000, 180266. https://doi.org/https://doi.org/10.1016/j.scitotenv.2025.180266
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.
Park, S.-J., Lugon, L., Jacquot, O., Kim, Y., Baudic, A., D'Anna, B., Di Antonio, L., Di Biagio, C., Dugay, F., Favez, O., Ghersi, V., Gratien, A., Kammer, J., Petit, J.-E., Sanchez, O., Valari, M., Vigneron, J., and Sartelet, K.: Population exposure to outdoor NO2, black carbon, and ultrafine and fine particles over Paris with multi-scale modelling down to the street scale, Atmos. Chem. Phys., 25, 3363–3387, https://doi.org/10.5194/acp-25-3363-2025, 2025.
Vous souhaitez accéder à :
Park, S.-J., Lugon, L., Jacquot, O., Kim, Y., Baudic, A., D'Anna, B., Di Antonio, L., Di Biagio, C., Dugay, F., Favez, O., Ghersi, V., Gratien, A., Kammer, J., Petit, J.-E., Sanchez, O., Valari, M., Vigneron, J., and Sartelet, K.: Population exposure to outdoor NO2, black carbon, and ultrafine and fine particles over Paris with multi-scale modelling down to the street scale, Atmos. Chem. Phys., 25, 3363–3387, https://doi.org/10.5194/acp-25-3363-2025, 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.
Sartelet, K., Kerckhoffs, J., Athanasopoulou, E., Lugon, L., Vasilescu, J., Zhong, J., Hoek, G., Joly, C., Park, S.-J., Talianu, C., van den Elshout, S., Dugay, F., Gerasopoulos, E., Ilie, A., Kim, Y., Nicolae, D., Harrison, R. M., & Petäjä, T. (2025). Air pollution mapping and variability over five European cities. Environment International, 199, 109474. https://doi.org/https://doi.org/10.1016/j.envint.2025.109474
Vous souhaitez accéder à :
Sartelet, K., Kerckhoffs, J., Athanasopoulou, E., Lugon, L., Vasilescu, J., Zhong, J., Hoek, G., Joly, C., Park, S.-J., Talianu, C., van den Elshout, S., Dugay, F., Gerasopoulos, E., Ilie, A., Kim, Y., Nicolae, D., Harrison, R. M., & Petäjä, T. (2025). Air pollution mapping and variability over five European cities. Environment International, 199, 109474. https://doi.org/https://doi.org/10.1016/j.envint.2025.109474
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Song, H., Zhao, H., Liu, X., Zhang, Y., Han, Z., Kim, Y., Sartelet, K., Zhang, X., de Fátima Andrade, M., Wang, M., & Gao, L. (2025). Street-scale traffic emission inventory derived from GeoVideo and coupled WRF/Chem–MUNICH modelling for urban air quality management: A case study in Kaifeng, China. Urban Climate, 64, 102689. https://doi.org/10.1016/j.uclim.2025.102689
Vous souhaitez accéder à :
Song, H., Zhao, H., Liu, X., Zhang, Y., Han, Z., Kim, Y., Sartelet, K., Zhang, X., de Fátima Andrade, M., Wang, M., & Gao, L. (2025). Street-scale traffic emission inventory derived from GeoVideo and coupled WRF/Chem–MUNICH modelling for urban air quality management: A case study in Kaifeng, China. Urban Climate, 64, 102689. https://doi.org/10.1016/j.uclim.2025.102689
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Squarcioni, A., Roustan, Y., Valari, M., Kim, Y., Sartelet, K., Lugon, L., Dugay, F., & Voitot, R. (2025). To what extent is the description of streets important in estimating local air quality: a case study over Paris. Atmospheric Chemistry and Physics, 25(1), 93–117. https://doi.org/10.5194/acp-25-93-2025
Vous souhaitez accéder à :
Squarcioni, A., Roustan, Y., Valari, M., Kim, Y., Sartelet, K., Lugon, L., Dugay, F., & Voitot, R. (2025). To what extent is the description of streets important in estimating local air quality: a case study over Paris. Atmospheric Chemistry and Physics, 25(1), 93–117. https://doi.org/10.5194/acp-25-93-2025
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Van Poecke, A., Finn, T. S., Meng, R., Van den Bergh, J., Smet, G., Demaeyer, J., Termonia, P., Tabari, H., & Hellinckx, P. (2025). Self-Attentive Transformer for Fast and Accurate Postprocessing of Temperature and Wind Speed Forecasts. Artificial Intelligence for the Earth Systems, 4(3), Article 240127, 240127. https://doi.org/10.1175/AIES-D-24-0127.1
Vous souhaitez accéder à :
Van Poecke, A., Finn, T. S., Meng, R., Van den Bergh, J., Smet, G., Demaeyer, J., Termonia, P., Tabari, H., & Hellinckx, P. (2025). Self-Attentive Transformer for Fast and Accurate Postprocessing of Temperature and Wind Speed Forecasts. Artificial Intelligence for the Earth Systems, 4(3), Article 240127, 240127. https://doi.org/10.1175/AIES-D-24-0127.1
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Wang, G., & Cheng, S. (2025). Can foundation language models predict fluid dynamics? Engineering Applications of Artificial Intelligence, 158, 111427. https://doi.org/10.1016/j.engappai.2025.111427
Vous souhaitez accéder à :
Wang, G., & Cheng, S. (2025). Can foundation language models predict fluid dynamics? Engineering Applications of Artificial Intelligence, 158, 111427. https://doi.org/10.1016/j.engappai.2025.111427
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Wang, K., Bertoli, G., Cheng, S., Schröter, K., Caporali, E., Piggott, M. D., Wang, Y., & Arcucci, R. (2025). AI-Empowered Latent Four-dimensional Variational Data Assimilation for River Discharge Forecasting. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 18, 24676–24689. https://doi.org/10.1109/JSTARS.2025.3611136
Vous souhaitez accéder à :
Wang, K., Bertoli, G., Cheng, S., Schröter, K., Caporali, E., Piggott, M. D., Wang, Y., & Arcucci, R. (2025). AI-Empowered Latent Four-dimensional Variational Data Assimilation for River Discharge Forecasting. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 18, 24676–24689. https://doi.org/10.1109/JSTARS.2025.3611136
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Wang, K., Cheng, S., Piggott, M.D., Dance, S.L., Wang, Y. & Arcucci, R. (2025) Latent data assimilation with non-explicit observation operator in hydrology. Quarterly Journal of the Royal Meteorological Society, 151(772), e5009. Available from: https://doi.org/10.1002/qj.5009
Vous souhaitez accéder à :
Wang, K., Cheng, S., Piggott, M.D., Dance, S.L., Wang, Y. & Arcucci, R. (2025) Latent data assimilation with non-explicit observation operator in hydrology. Quarterly Journal of the Royal Meteorological Society, 151(772), e5009. Available from: https://doi.org/10.1002/qj.5009
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Xu, Z., Cheng, S., He, H., Wang, L., Sun, W., Li, J., & Xu, L. L. (2025). BCWildfire: A Long-term Multi-factor Dataset and Deep Learning Benchmark for Boreal Wildfire Risk Prediction. https://arxiv.org/abs/2511.17597
Vous souhaitez accéder à :
Xu, Z., Cheng, S., He, H., Wang, L., Sun, W., Li, J., & Xu, L. L. (2025). BCWildfire: A Long-term Multi-factor Dataset and Deep Learning Benchmark for Boreal Wildfire Risk Prediction. https://arxiv.org/abs/2511.17597
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Xu, Z., Li, J., Cheng, S., Rui, X., Zhao, Y., He, H., Guan, H., Sharma, A., Erxleben, M., Chang, R., & Xu, L. L. (2025). Deep learning for wildfire risk prediction: Integrating remote sensing and environmental data. ISPRS Journal of Photogrammetry and Remote Sensing, 227, 632–677. https://doi.org/10.1016/j.isprsjprs.2025.06.002
Vous souhaitez accéder à :
Xu, Z., Li, J., Cheng, S., Rui, X., Zhao, Y., He, H., Guan, H., Sharma, A., Erxleben, M., Chang, R., & Xu, L. L. (2025). Deep learning for wildfire risk prediction: Integrating remote sensing and environmental data. ISPRS Journal of Photogrammetry and Remote Sensing, 227, 632–677. https://doi.org/10.1016/j.isprsjprs.2025.06.002
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Y. Zhuang, S. Cheng, and K. Duraisamy, “Spatially-aware diffusion models with cross-attention for global field reconstruction with sparse observations,” Computer Methods in Applied Mechanics and Engineering, vol. 435, p. 117623, 2025.
Vous souhaitez accéder à :
Y. Zhuang, S. Cheng, and K. Duraisamy, “Spatially-aware diffusion models with cross-attention for global field reconstruction with sparse observations,” Computer Methods in Applied Mechanics and Engineering, vol. 435, p. 117623, 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.
Z. Xia and S. Cheng, “PyTorchFire: A GPU-accelerated wildfire simulator with Differentiable Cellular Automata,” Environmental Modelling & Software, vol. 188, p. 106401, 2025.
Vous souhaitez accéder à :
Z. Xia and S. Cheng, “PyTorchFire: A GPU-accelerated wildfire simulator with Differentiable Cellular Automata,” Environmental Modelling & Software, vol. 188, p. 106401, 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.
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.
Zhou, Y., Kong, R., Xu, Z., Xu, L., & Cheng, S. (2025). Comparative and interpretative analysis of CNN and transformer models in predicting wildfire spread using remote sensing data. Journal of Geophysical Research: Machine Learning and Computation, 2, e2024JH000409. https://doi.org/10.1029/2024JH000409
Vous souhaitez accéder à :
Zhou, Y., Kong, R., Xu, Z., Xu, L., & Cheng, S. (2025). Comparative and interpretative analysis of CNN and transformer models in predicting wildfire spread using remote sensing data. Journal of Geophysical Research: Machine Learning and Computation, 2, e2024JH000409. https://doi.org/10.1029/2024JH000409
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
Zhu, M., Wu, L., Bocquet, M., Cao, J., Kong, L., Zhang, S., Cao, W., Tang, X., Su, H., Zhu, J., & Wang, Z. (2025). Learning physically interpretable deep networks from reanalysis data for medium-term regional PM2.5 forecasts. Environmental Research Letters, 20(8), 084032. https://doi.org/10.1088/1748-9326/ade606
Vous souhaitez accéder à :
Zhu, M., Wu, L., Bocquet, M., Cao, J., Kong, L., Zhang, S., Cao, W., Tang, X., Su, H., Zhu, J., & Wang, Z. (2025). Learning physically interpretable deep networks from reanalysis data for medium-term regional PM2.5 forecasts. Environmental Research Letters, 20(8), 084032. https://doi.org/10.1088/1748-9326/ade606
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
