Recherche

webTV

Lecture

Conf�rence �thique et intelligence artificielle : Elise Berlinski

Lecture

Certificat ex�cutif : digital native, 3 questions �...

Lecture

Carlos Adrian Correa Florez, MINES ParisTech PhD, PERSEE center

Lecture

Certificat ex�cutif : digital native, 3 questions �...

Lecture

Lancement de la Chaire industrielle ANR TOPAZE

+ Toutes les vidéos

> Accueil / Recherche / Centres de recherche / Centre de math�matiques appliqu�es (CMA)

Imprimer
Reduire
Augmenter

Partager

Centre de math�matiques appliqu�es (CMA)

Le centre de mathématiques appliquées déploie ses compétences en modélisation, mathématique du contrôle, de l'optimisation et de la décision, autour d'une activité dédiée aux questions relatives au changement climatique.

Le centre développe notamment des modèles d'optimisation pour la prospective long terme, apporte son expertise sur la gestion optimale des systèmes énergétiques, travaille sur les marchés de l'électricité et du carbone, a créé une chaire ParisTech sur la Modélisation prospective au service du développement durable, et a développé de nombreuses collaborations, industrielles et internationales.

Accéder au site du centre de recherche

+ de publications

Les derni�res publications

Welington de Oliveira. Sequential Difference-of-Convex Programming Journal of Optimization Theory and Applications, Springer Verlag, 2020, 186 (3), pp.936-959. ⟨10.1007/s10957-020-01721-x⟩

Gilles Guerassimoff, Lise Adegnon. L?hydrog�ne : un vecteur pour la transition �nerg�tique Presses de Mines. pp.232, 2020, D�veloppement durable, 9782356716026

Association Ev�nement Ose Mast�re Optimisation Des Syst�mes Energ�tiques Mines Paristech. Quels vecteurs �nerg�tiques pour une mobilit� d�carbon�e ? Presses des Mines. pp.120, 2020, D�veloppement durable, 9782356716033

Ariane Millot, Anna Krook-Riekkola, Nadia Ma�zi. Guiding the future energy transition to net-zero emissions: Lessons from exploring the differences between France and Sweden Energy Policy, Elsevier, 2020, 139, pp.111358. ⟨10.1016/j.enpol.2020.111358⟩

Valentina Sessa, Edi Assoumou, Mireille Bossy. Modeling the climate dependency of the run-of-river based hydro power generation using machine learning techniques: an application to French, Portuguese and Spanish cases Preprint, 2020

Valentina Sessa, Edi Assoumou, Mireille Bossy, S�lvia Carvalho, Sofia Simoes. Machine learning for assessing variability of the long-term projections of the hydropower generation on a European scale Preprint, 2020

actualit�

International Meilleur article dans le domaine de l'automatique Les travaux de Silv�re Bonnabel , professeur au Centre de…
> En savoir +

Formation Information quantique : une recherche f�conde Vers le qubit parfait Alors �tudiant en th�se sous la…
> En savoir +

Formation Le Rapport d'activit� 2019 est en ligne MINES ParisTech, �tablissement-composante de…
> En savoir +

Formation Enqu�te 1 er emploi 2020 Toujours 100 % de r�ponses. L'enqu�te 1 er emploi du cycle Ing�nieurs civils de MINES…
> En savoir +

Formation Mon doctorat en confinement � � � � � � des Initiatives pour poursuivre sa th�se pendant le confinement,…
> En savoir +

+ Toutes les actualit�s

agenda

Le 6 juillet 2021 MINES ParisTech Research Day 2021

+ Tous les �v�nements

contact

Nadia MAIZI
Directrice du CMA > envoyer un mail Téléphone : 04 97 15 70 79