MARL-DPP est un cadre open-source permettant l'apprentissage par renforcement multi-agent (MARL) avec diversité imposée via des processus déterminants (DPP). Les approches MARL traditionnelles souffrent souvent d'une convergence des politiques vers des comportements similaires ; MARL-DPP y remédie en intégrant des mesures basées sur le DPP pour encourager les agents à conserver des distributions d'actions diversifiées. La boîte à outils fournit un code modulaire pour intégrer le DPP dans les objectifs d'entraînement, l’échantillonnage de politiques et la gestion de l’exploration. Elle inclut une intégration prête à l’emploi avec des environnements standard comme OpenAI Gym et l’environnement multi-agent Particle (MPE), ainsi que des utilitaires pour la gestion des hyperparamètres, la journalisation et la visualisation des métriques de diversité. Les chercheurs peuvent évaluer l’impact des contraintes de diversité sur des tâches coopératives, l’allocation des ressources et les jeux compétitifs. La conception extensible prend en charge des environnements personnalisés et des algorithmes avancés, facilitant l’exploration de nouvelles variantes de MARL-DPP.

Mineflow est une plateforme alimentée par l'IA révolutionnant l'exploration minière en transformant les données de site en prévisions très précises des gisements miniers. En utilisant des réseaux de neurones avancés, Mineflow génère des cartes de prospectivité 2D et des modèles de blocs 3D, permettant aux équipes géologiques de visualiser et de comprendre la composition et la structure des minéraux souterrains plus efficacement. La plateforme prend en charge l'intégration avec divers formats de données et aide les équipes d'exploration à prendre des décisions basées sur les données, améliorant ainsi l'efficacité et la précision des projets d'exploration minière.