Player is loading...

Embed

Embed code

Transcriptions

Note: this content has been automatically generated.
00:00:10
re bonjour a tous cette fois ci je ne suis plus le modérateur mais je suis le présentateur
00:00:15
je vous parle un petit peu du nouveau groupe en énergie informatique 5 qui a été créé ici
00:00:20
à l'idiap à la fin d'année passée et peut être avant d'en parler plus
00:00:24
précisément quelques mots sur ledit ap donc ici dans ce bâtiment de 1 milliard 120 personnes
00:00:30
qui travaillent au sein de l'institut de recherche idiap quelques unes fondation
00:00:35
de recherche à but non lucratif qui est affilié à les PFL
00:00:38
et qui eux contient si je puis dire 11 thèmes de recherche que vous avez
00:00:44
qui sont classiquement liés à l'intelligence artificielle pour la société donc il ya des
00:00:50
groupe de recherche qui s'intéressent à la reconnaissance de la parole à la reconnaissance de
00:00:54
l'image à la sécurité biométrique et puis
00:00:57
le idiap a. a décidé de diversifier ses activités
00:01:01
pour aller du côté de l'énergie avec l'énergie est un thème très important particulièrement en valais puisqu'on a un pôle d'
00:01:07
excellence en énergie en valait donc l'idée c'était aussi de
00:01:11
profiter de toutes les connaissances et compétences en intelligence artificielle de lydia
00:01:16
pour pouvoir attaquer cette problématique énergétique qu'on en suisse nouvelle loi
00:01:20
sur l'énergie vous savez plus de renouvelable meilleure efficacité énergétique potentiellement
00:01:26
les méthodes que l'on a l'intelligence artificielle de machine learning
00:01:30
peuvent nous aider pour aller dans cette direction là je vais essayer de
00:01:34
vous montrez un petit peu ma vision pour la suite des opérations dans cette direction de la
00:01:41
mais peut être encore avant cela coûte un rapidement quelques mots sur eux sur moi même donc que
00:01:48
je suis un physicien de formation de base gère
00:01:51
3 pasteur comme tout le monde physique informatique pédagogie
00:01:55
les différentes universités et logo dans lesquels g. g. traîné par delà le monde
00:02:00
et puis finalement j'ai terminé par un doctorat allait PFN sur la modélisation et l'
00:02:04
optimisation des flux d'énergie en milieu urbain donc j'ai développé différents types de logiciels pendant au moins
00:02:12
ma petite carrière médias un logiciel qui eux s'intéressa à la lumière
00:02:18
naturel dans les bâtiments qui permet de simuler la propagation de la
00:02:21
lumière à la hauteur des bâtiments pour pouvoir faire une évaluation évidemment de
00:02:26
des besoins en lumière artificielle et puis un logiciel de simulation énergétique à l'échelle urbaine vous avez vu
00:02:32
dans les présentations des doctorants ce matin quelques informations sur cette piscine voilà
00:02:38
cet outil que j'ai développé pendant ma thèse de doctorat allait p. f.
00:02:43
et puis les activités actuellement donc je suis group leader de
00:02:47
groupe énergie informatique puis à la fin de l'année passée depuis
00:02:52
septembre 2018 j'ai commencé à temps partiel et je suis
00:02:55
à 100% pour développer ce groupe depuis le début mars de cette année
00:03:01
j'ai codiriger 4 thèse de doctorat les p. f. et la dernière était terminé la semaine passée donc
00:03:06
mais pas mal de part et de travail récemment puisque vendredi elle a été e.
00:03:10
présenter publiquement à les PFL et puis je
00:03:13
suis aussi à fondateurs et associés gérants d'une petite société qui s'
00:03:18
appelle quelques o. k. pour but la dissémination de tout les produits de recherche donc tout les produits dont je vous ai parlé
00:03:23
la simulation la lumière naturelle dans les bâtiments la simulation énergétique et l'échelle européenne ce sont des
00:03:30
produits qui sont disponibles directement par l'intermédiaire de
00:03:33
cette plateforme de dissémination k ma petite entreprise quelconque
00:03:40
pourquoi estce que je m'intéresse particulièrement à l'assignation énergétique à
00:03:43
l'échelle urbaine trouva revenir sur le contexte global que vous connaissez un
00:03:50
tous certainement très bien si vous regardez le monde tel qu'il sera d'après
00:03:56
les projections des nations unies en 2030 voyez think hartz qu'yves représentant couleur le pourcentage
00:04:02
de la population qui va vivre dans les villes et bien toutes les parties qui sont orange sur
00:04:07
la carte c. entre 80 un et 100% de la population de ces zones là qui
00:04:12
va habiter dans les villes donc évidemment les défis
00:04:16
énergétiques principaux du futur vont se dérouler dans les
00:04:21
zones urbaines en suisse si on regarde cette proportion on sait qu'elle atteindra 4 vingts pourcent en
00:04:26
2050 on pense jacques la suisse est une sorte de grandes villes interconnectées entre elles et
00:04:32
bien 4 vingts pourcent de la population suisse suivra dans les villes en 2050 et cie
00:04:37
regardant sévit la consommation d'énergie des différents secteurs et bien le secteur
00:04:41
du bâtiment consomme à lui seul 40% des ressources en énergie primaire donc
00:04:47
quand on construit un bâtiment si on le construit eh bien vous
00:04:51
savez que ces pour de nombreuses années en général la durée de vie moyenne
00:04:55
d'un bâtiment c 4 vingts ans avec un taux de rénovation de
00:04:58
un pourcent par année pour les bâtiments évidemment il faut prendre les bonnes décisions
00:05:03
pour créer des nouveaux bâtiments ou pour rénover ses bâtiments et donc
00:05:08
le la simulation les outils de simulation sont
00:05:12
un grand avantage 0 un outil formidable pour
00:05:15
pouvoir prendre les bonnes décisions par la suite pour les représentants des parties prenantes dans les villes
00:05:22
c'est pour ça que j'ai développé à travers ma thèse de doctorat les p.
00:05:26
f. l. un logiciel de simulation qui s'appelle scepticisme qui permet de prendre un description
00:05:33
d'une scène géométrique et physique et d'allier différents types de modèles des modèles
00:05:37
de radiation des modèles thermiques des modèles d'occupation et des modèles de conversion d'
00:05:42
énergie pour pouvoir déterminer la consommation d'énergie sur un site de plusieurs bâtiments alors
00:05:48
l'avantage que l'on a ici c'est qu'on voulait estimation qui soit rapide
00:05:52
plus rapide que les outils actuels donc on a utilisé des modèles de simulation simplifiée et puis on
00:05:58
voulait aussi prendre en compte les interactions entre les bâtiments sion simulant bâtiment tout nu ou si on simule
00:06:05
au milieu du neville évidemment sa performance va être très différente parce que ce bâtiment dans un contexte
00:06:10
donc l'idée si c'est de traiter chaque bâtiment dans son contexte et de simuler un ensemble de bâtiments
00:06:15
pour avoir c. les interactions entre ces différents bâtiments
00:06:21
et puis cet outil est un outil développé les PFL donc un outil de recherche
00:06:26
qui disponible aussi gratuitement sur internet mais qui ait un outil ligne de comment
00:06:33
ça veut dire que c'est pas tout un chacun qui va pouvoir l'utiliser
00:06:36
il faut définir un fichier d'entrée il faut lancer en ligne de commande
00:06:40
et va cracher des fichiers texte en sortie alors pour le rendre plus accessible
00:06:46
au commun des mortels et bien on a développé une interface graphique
00:06:51
qui est distribué par quelque au q. i. et ici qui
00:06:56
se nomme scepticisme pro et qui permet en particulier d'importer
00:07:00
d. géométrie complexe de bâtiments ici vous avez en import d'une
00:07:04
ville qui visualiser dans l'interface graphique de scepticisme pro vous pouvez
00:07:08
importer différents types de format indue de x. f. lucide hygiène
00:07:12
elle aussi si vous avez la possibilité d'avoir ces données la
00:07:16
ensuite il faut vous avez la géométrie dans votre logiciel vous devez
00:07:19
raffiner les données d'entrée de ce logiciel pour pouvoir définir exactement
00:07:24
le pourcentage de vitrage le type de murs le taux d'infiltration
00:07:27
tout les paramètres dont on a parlé pour la performance énergétique des bâtiments
00:07:32
vous pouvez lancer la simulation et vous avez des résultats horaire qui vous donnent eux les
00:07:38
clairement sur les façades la consommation plutôt les besoins on chaud et en froid des bâtiments
00:07:44
les températures de surface qui peuvent être utiles pour déterminer le chaleur urbain
00:07:49
et puis les productions photovoltaique et puis solaire thermique et récemment
00:07:54
on a rajouté à travers notre thèse de les p. f.
00:07:56
l. la possibilité de simuler les phénomènes des impôts transpiration donc
00:08:00
on peut définir des zones vertes on peut définir des arbres
00:08:04
dans le dans la scène urbaine et on peut calculer à partir de la température de
00:08:08
surface et voir l'impact hors des zones vertes sur la mitigation de lennox chaleur urbain
00:08:15
keynes problématique aussitôt à s'accélérer avec les réchauffe moins changement
00:08:19
climatique que l'on subit malheureusement voilà alors tout ça semblerait parfait
00:08:28
si on avait pas le problème des données d'entrée parce que ce type de logiciel or c'était c'
00:08:33
était très intéressant de créer des modèles physiques pour
00:08:36
pouvoir simuler les comportements réfléchir à comment simplifier modèle pour maximiser
00:08:42
minimiser l'incertitude et puis minimiser le nombre de données d'entrée
00:08:46
par contre ces modèles sont très gourmand en donnée et en dépit de tout les efforts
00:08:52
que l'on a des différentes collectivités ici vous avez l'exemple le juge opportun de genève
00:08:57
qui donnent des informations complètes en 3 d. sur les bâtiments que l'on peut extraire
00:09:01
relativement facilement et puis que là vous voyez en quelques minutes
00:09:05
on arrive à les importer directement dans l'outil de simulation
00:09:08
eh bien on a la géométrie des bâtiments mais nous manque
00:09:12
encore tout les aspects physiques sur ces bâtiments alors là on va
00:09:15
chercher dans des données statistiques alors qu'on peut utiliser le
00:09:18
registre des bâtiments logements avec le nombre d'étages l'âge du
00:09:22
bâtiment la paire de construction la surface chauffe etc et apprendre
00:09:25
à faire énormément d'hypothèses sur les bâtiments mais on dit voilà
00:09:30
un bâtiment des années 1950 à 1967 périodes là l'effet de cette façon là
00:09:36
il a un taux d'infiltration k celuilà donc vous la faire
00:09:38
énormément d'hypothèses et plus souvent ces hypothèses ça nous amène évidemment
00:09:43
une grande incertitude sur le résultat de sortie du logiciel
00:09:47
alors ça semblerait être un paradoxe presque à la fois on
00:09:50
dirait qu'il nous manque de données qu'à la fois quand vous allez sur internet les voir ca énormément donnée
00:09:55
un peu partout vous avez des données sur google street view
00:09:58
vous pouvez voir des bâtiments en balade en virtuellement dans une ville
00:10:02
vous avez instagram et flickr avec énormément de données qui sont disponibles beaucoup de gens
00:10:07
des smart censeur dans les bâtiments qui peuvent mesurer des choses qui sont renvoyés sur internet
00:10:12
le problème c'est qu'il faudrait qu'on arrive à récolter toutes ces données
00:10:16
les analyser et en faire du sens pour pouvoir aider la simulation énergétique des bâtiments
00:10:23
donc on retombe dans deux thèmes principaux qui sont moins importants
00:10:28
à regarder pour le futur c la digitalisation on a besoin
00:10:32
de dévitaliser toutes les informations que l'on a sur les
00:10:35
villes pour pouvoir simuler leur comportement énergétique pour pouvoir dans le futur
00:10:40
potentiellement réduire la consommation d'énergie et puis on a besoin à travers les données qui sont actuellement disponibles
00:10:46
ou d'autre qui peuvent être montés par des smart son sort que l'on pouvait installés dans les villes
00:10:51
des moyens d'analystes identification et de fiabilisation de ces données
00:10:56
je donne l'exemple on a voulu simuler ici un bâtiment
00:11:00
qui était un acteur c'est bien un monde étudiant a dû prendre des photos
00:11:06
des bâtiments pour pouvoir déterminer à partir des photos ici le pourcentage de vitrage de ce bâtiment
00:11:12
pour qu'on puisse calculer les gains solaires du bâtiment vous voyez que cette tâche qui est très manuel
00:11:17
et puis on réfléchit sur un petit peu ou machine learning curve différents algorithmes qui
00:11:21
existent de reconnaissance de façade on pourrait imaginer ici le fer de façon automatisé remplacé
00:11:27
les signes particuliers purement humaine regarder des images essaie d interprété par quelque
00:11:32
chose d'automatismes donc on a beaucoup donné et on aimerait confèrent du sens
00:11:38
j'aime beaucoup cette illustration à qui vient de chez énergie pour ne pas mentionner voyez
00:11:43
si les concepts de la ville de demain donc la ville de demain on a des bâtiments
00:11:49
dont on aimerait minimiser bien sur la consommation on aimerait installer des panneaux
00:11:55
solaires sur le toit des bâtiments mais aussi en façade pour collecter un maximum
00:12:00
l'énergie et puis on aimerait avoir des zones à
00:12:03
l'extérieur qui sont confortables avec de la végétation avec
00:12:07
de la nature en ville avec pas trop de problèmes de biodiversité donc on aimerait intégrer tous ces éléments la
00:12:13
et on aimerait aussi avoir des vecteurs de transport d'énergie qui passe
00:12:18
d'un bâtiment à l'autre peut être qu'un bâtiment un moment donné
00:12:20
il est sûr producteurs vous avez une patinoire quelque part qui va produire du
00:12:25
froid donc elle doit déplacer du show quelque part que l'on pourra utiliser ailleurs
00:12:29
qui sont les réseaux qui la couche ici en dessous que vous pouvez voir qui va permettre de répartir cette
00:12:36
énergie et la transporter à d'autres endroits de la ville où c'est qu'on pourrait en avoir besoin
00:12:41
alors par rapport à cette thématique la de consommations et productions
00:12:45
des bâtiments particulier eh bien vous avez vu quelquesuns des aspects
00:12:49
pour lesquels nous avons fait des développements récemment avec le travail de roberto mobility qui travaillaient sur lui
00:12:56
consommation énergétique des bâtiments score des modèles qui vont
00:13:00
déterminer cette consommation relativement rapidement avec I20 n un
00:13:05
de singapour qui lui a travaillé sur la production photovoltaique et puis
00:13:10
on a aussi un étudiants du master en intelligence artificielle qui ici à l'idiap
00:13:15
qui aime actionnaires sonne qui travaillent sur la machine learning pour pouvoir justement reconnaître
00:13:20
cette fraction vitré et là le pourcentage de la surface que l'on pourrait équipé de panneaux
00:13:27
photovoltaiques depuis des images qui proviendrait de google street view ou de flickr ou d'autres sources
00:13:32
voilà et puis finalement on travaille aussi sur le chauffage
00:13:36
le refroidissement à distance pour cette distribution de chaleur pour éviter
00:13:41
toutes les pertes d'énergie renouvelable si vous avez un excès d'énergies renouvelables quelque part vous avez trop production solaire
00:13:47
thermique eh bien vous pouvez injecté dans un réseau qui va stocker la réutiliser potentiellement plus tard
00:13:54
pour ce faire on travaille avec le groupe hervé b. dont
00:13:59
la digitalisation des réseaux de chauffage à distance on a commencé ici
00:14:02
avec des petits réseaux communs du parti du réseau de bourreau et puis on a étendu avec tout le réseau de chauffage à distance de pro
00:14:09
et on a commencé à travailler sur l'assignation physique
00:14:12
simplifiée de l'hydraulique dans les conduites la thermique libre
00:14:16
dynamique pour pouvoir déterminer le comportement du réseau de façon
00:14:20
à ce que l'on puisse par la suite déterminé
00:14:24
une taille optimale des conduites évidemment pour minimiser toute énergique
00:14:29
et nécessaire pour fabriquer les conduites humaines dans le sol etc
00:14:33
et puis pour optimiser aussi le fonctionnement de la centrale de chauffe vous avez pompe
00:14:38
vous pouvez faire varier le débit de cette ampleur et bien évidemment ce que l'on veut c'est la dernière personne
00:14:44
tout au bout du réseau et quand même de la chaleur mais avec un minimum
00:14:47
d'électricité consommée pour la peau pour ce faire on doit pouvoir simuler complètement le réseau
00:14:52
alors pour les petits réseaux la simulation physique simplifié fonctionne très bien mais quand on part sur les très grands réseaux
00:14:59
commission a un très grand réseau à monter le réseau de la satom par exemple et bien dans ce cas là
00:15:04
les consignations peuvent être trop long et là on pense travailler
00:15:08
avec des algorithmes petite machine learning pour reproduire le comportement physique
00:15:12
de ces grands réseaux tout ça dans l'idée c'est qu'à la femme puisse faire du smart contrôle
00:15:17
c'est à dire des déterminer le moment idéal du démarrage et
00:15:22
de l'arrêt des centrales de chauffe et de la charge des accumulateurs
00:15:26
dans tout les réseaux de chauffage à distance et les accumulateur pour pouvoir compenser les pics de besoins et bien là
00:15:33
on pourrait on le couple en avec des prédictions même météorologiques
00:15:37
sur les plus 6 heures ou plus est en deux heures
00:15:40
faire une décision de contrôle optimal pour la gestion justement des
00:15:45
pompes et des consommations et des phases de démarrage et d'arrêt
00:15:51
je vois que ton fil j'essaie d'accélérer un petit peu quand on parle
00:15:55
aussi de contrôle intelligent des réseaux on peut aussi le faire à l'intérieur des bâtiments
00:16:01
on travaille actuellement avec l'entreprise a accès piscine théorique a été
00:16:05
mentionné dans une des présentations qui développent des smart censeur pour les bâtiments
00:16:10
eh bien l'idée 6 et d'avoir un algorithme qui quelque
00:16:13
part dans le cloud qui va prendre en compte justement ces fameuses
00:16:17
prédiction météorologique pour les prochaines heures et décider du meilleur moment pour démarrer le chauffage
00:16:23
ou arrêter le chauffage on peut faire énormément d'économie typiquement dans les anciens bâtiments comme
00:16:27
ici aussi vous avez des vins terme statique qui pourraient toutes être pilotés à distance en
00:16:33
prenant en compte l'inertie thermique du bâtiment et si vous avez potentiellement des gains solaires
00:16:37
donc là vous avez des économies qui sont si importantes que l'on pourra voir on allant
00:16:42
en direction de smart contrôle et puis vous parlez d'entrée de jeu mon doctorants cas terminée
00:16:47
sa thèse vendredi la semaine passée eh bien il a présenté un système automatisé
00:16:53
de contrôle intelligent nestor pour trouver un optimum
00:16:57
entre le confort lumineux que l'on peut avoir
00:17:00
contourné à l'intérieur du bâtiment et puis la pénétration de lumière naturelle dans ce bâtiment donc si
00:17:07
vous voulez être à votre desks à votre bureau pour travailler voulait pas avoir le soleil dans l'oeil
00:17:13
donc en général vous allez décédé store et vous avez gardé ses store
00:17:17
fermé et utiliser l'éclairage artificiel donc pour éviter ce type de situation
00:17:22
l'idée 6 et d'avoir un système de contrôle avec une caméra qui va faire un monitoring du ciel
00:17:28
et du soleil pour pouvoir décider à quel moment il faut fermer le
00:17:33
store et à quel moment évidemment il faut leur ouvrir par la suite
00:17:36
si vous êtes en hiver voulait un maximum de gains solaires ne voulait pas être
00:17:39
dérangé par le sommet et puis si c en été vous voulez évidemment vous protéger
00:17:44
du soleil par contre on voulait quand même un peu de lumière naturelle pour éviter de devoir allumer
00:17:49
l'éclairage artificiel donc c'est tout d. d optimum à trouver et pour ce faire eh bien on
00:17:56
utilise de l'assignation ici physique et l'idée pour la suite de son travail c'est l'intérêt
00:18:01
d'introduire les algorithmes de type machine lean pour avoir une réponse très rapide dont vous avez des entrées
00:18:09
vous avez un des conditions d'entrée qui définissent certaines positions de store idéal
00:18:14
puis à partir de là on peut faire un apprentissage sur ces simulations de façon à voir
00:18:19
un algorithme très rapide qui peut être embarqué dans un petit module qui relate ailleurs c'était là
00:18:25
qui seraient intégrés dans les store et qui pourrait les contrôler de façon automatisé
00:18:30
tout ce travail s'inscrit dans une tâche de l'agence internationale
00:18:33
de l'énergie qui s'intéressent à des solutions intégrées pour justement
00:18:38
faire le mieux possible avec la lumière naturelle et la lumière artificielle tout en gardant
00:18:45
les préférences des utilisateurs donc vraiment la thématique de tous les préférences des utilisateurs est assez
00:18:51
importante et c'est quelque chose que l'on peut le traité relativement facilement avec intelligence artificielle
00:18:58
je vois le carton rouge qui arrive heureusement comme c'est moi qui anime je peux me permettre quelques libertés
00:19:06
un dernier défi à actuelle donc je vais parler des îlots de chaleur
00:19:11
urbain comme un projet avec la ville de fribourg qui eux s'intéresse
00:19:15
beaucoup aux futurs développements de certains de ces quartiers pascal qui a beaucoup de
00:19:19
de développement et beaucoup d'urbanisation dense avec les nouvelles lois d'
00:19:24
aménagement du territoire en objet de faire une densification vers l'intérieur des villes
00:19:28
par conséquent il faut faire des choix par rapport à l'
00:19:30
utilisation des places extérieurs et là l'idée c'était de rajouter
00:19:35
à la possibilité de simuler différents types de scénarios dévolution
00:19:39
de la ville pour pouvoir voir l'impact que ça aurait
00:19:43
pour une certaine mitigation de l'augmentation des températures moyennes qui viennent à cause du changement climatique
00:19:49
donc là on a fait l'estimation la projeté la ville de fribourg ici ces quartiers expert
00:19:53
oll on a projeté en 2030 on a projeté en 2050 on a vu
00:19:58
les effets d'accentuation de cette de ce fameux d'îlots de chaleur urbain
00:20:02
et on a testé différents scénarios pour mettre des arbres pour mettre des zones vertes
00:20:07
de façon à réduire la température moyenne et donc avoir un climat plus favorable et
00:20:13
plus de biodiversité en ville aussi alors pour l'instant des modèles physiques qui fonctionne
00:20:18
pour ce type de quartier là mais évidemment l'objectif du projet 7 travées sur toute la ville de fribourg donc là
00:20:24
on va pas arriver avec des consignations raisonnable pour parfaire et optimisation
00:20:29
de certains paramètres et donc là on va aussi entraîner des modèles statistiques pour
00:20:34
pouvoir reproduire ce fonctionnement physique de la ville pour déterminer ces îlots de chaleur
00:20:41
voilà très rapidement en conclusion donc on a la possibilité de mode et statistiques
00:20:47
qui vont très bien reproduire le passé par contre si vous avez un bâtiment que voulait projeté dans le futur et
00:20:52
bienvenue mettez des conditions bord qui n'a pas encore vécu donc si vous utilisez des mesures sur ce bâtiment la
00:20:59
évidemment vous avez pas pouvoir en déduire un comportement qui sera potentiellement juste donc
00:21:04
l'idée c'est d'allier la simulation par modèle physique pour pouvoir plonger
00:21:08
potentiellement des bâtiments dans un futur et voir comment ces bâtiments sont résilience par rapport aux changements climatiques
00:21:14
faire de l'apprentissage à partir de sa et au final avec un
00:21:18
modèle qui combine à la fois l'intelligence artificielle et les modèles physiques pouvoir
00:21:24
aller vers eux une intelligence artificielle impliqués
00:21:28
à l'énergie pour la société de demain vous voyez qu'ici
00:21:32
j'ai terminé par le moto de lydia px en orange avec
00:21:36
celui du groupe énergie informatique envers appliquée à
00:21:40
l'énergie pour la société de demain aussi

Share this talk: 


Conference Program

Intelligent feed-back on user comfort in low energy buildings
Rui Oliveira, University of Aveiro, PT
7 May 2019 · 10:09 a.m.
Q&A
Rui Oliveira, University of Aveiro, PT
7 May 2019 · 10:19 a.m.
Urban morphology and building PV energy production
Kin Ho Poon, National University of Singapore, SG
7 May 2019 · 10:30 a.m.
Q&A
Kin Ho Poon, National University of Singapore, SG
7 May 2019 · 10:44 a.m.
Urban morphology, energy needs and artificial intelligence
Roberto Boghetti, University of Pisa, IT
7 May 2019 · 10:51 a.m.
Q&A
Roberto Boghetti, University of Pisa, IT
7 May 2019 · 11:05 a.m.
Distributed simulation applied to multi-networks urban energy systems design
Pablo Puerto, CREM / Mines d’Albi, F
7 May 2019 · 11:13 a.m.
Q&A
Pablo Puerto, CREM / Mines d’Albi, F
7 May 2019 · 11:27 a.m.
Les défis du domaine Energy Informatics
Jérôme Kämpf, Idiap Research Institute
7 May 2019 · 11:32 a.m.
Q&A
Jérôme Kämpf, Idiap Research Institute
7 May 2019 · 11:54 a.m.
The Ark Energy
Laura Schwery, Fondation The Ark
7 May 2019 · 1:38 p.m.
Q&A
Laura Schwery, Fondation The Ark
7 May 2019 · 1:45 p.m.
Industrie du futur
Richard Pasquier, HEIA-FR et Benedikt Ramsauer, Swiss-SDI
7 May 2019 · 1:46 p.m.
Q&A
Richard Pasquier, HEIA-FR et Benedikt Ramsauer, Swiss-SDI
7 May 2019 · 2:01 p.m.
Naïade : gestion optimisée d’un réseau d’eau
Benoît Golay, Institut Icare
7 May 2019 · 2:07 p.m.
Q&A
Benoît Golay, Institut Icare
7 May 2019 · 2:23 p.m.
Open data des villes
Duccio Piovani, Research Lead - Data Science, nam.R
7 May 2019 · 2:27 p.m.
Q&A
Duccio Piovani, Research Lead - Data Science, nam.R
7 May 2019 · 2:47 p.m.
IA, L’entreprise augmentée
Dominique Genoud, HES-SO Valais-Wallis
7 May 2019 · 2:52 p.m.
Q&A
Dominique Genoud, HES-SO Valais-Wallis
7 May 2019 · 3:10 p.m.
Planifier le quartier de demain avec l’IA
Diane von Gunten, CREM
7 May 2019 · 3:14 p.m.
Q&A
Diane von Gunten, CREM
7 May 2019 · 3:28 p.m.
Keynote
François Foglia, Directeur adjoint de l'institut de recherche Idiap
7 May 2019 · 3:37 p.m.