Recherche Data Gouv
Not a member yet
4753 research outputs found
Sort by
Machine Learning potential for the tungsten-hydrogen system
No full textThis database was developed as part of a study focused on the interaction between hydrogen atoms and 1/2 screw dislocations in tungsten, a metal of strategic interest for nuclear applications, particularly as a structural material in fusion reactors. The objective of this work is to provide a machine learning (ML) interatomic potential capable of accurately reproducing properties obtained from ab initio calculations, while being efficient enough for large-scale molecular dynamics (MD) simulations.
The ML potential was trained on data generated using density functional theory (DFT), including representative configurations of H–W interactions in various environments: isolated atoms, bulk systems, surfaces, crystalline defects, and dislocations. In particular, the dataset emphasizes hydrogen-decorated dislocation core structures in order to reliably capture segregation effects and changes in dislocation mobility.
This database enabled the development of an ML potential specifically designed for use with the massively parallel molecular dynamics code LAMMPS, thus allowing realistic atomistic simulations of the tungsten–hydrogen system at the nanoscale.
The resulting ML potential was employed to investigate hydrogen-decorated dislocation cores in tungsten.
FRANÇAIS
Cette base de données a été développée dans le cadre d’une étude portant sur l’interaction entre des atomes d’hydrogène et des dislocations vis 1/2 dans le tungstène, un métal d’intérêt stratégique pour les applications nucléaires, notamment en tant que matériau de structure dans les réacteurs à fusion. L’objectif de ce travail est de fournir un potentiel interatomique de type machine learning (ML) permettant de reproduire avec précision les propriétés issues de calculs ab initio, tout en étant suffisamment efficace pour des simulations à grande échelle en dynamique moléculaire.
Le potentiel ML a été entraîné à partir de données obtenues par la théorie de la fonctionnelle de la densité (DFT), incluant des configurations représentatives de l’interaction H–W dans différentes situations : atomes isolés, configurations en vrac, surfaces, défauts cristallins et dislocations. En particulier, le jeu de données met l'accent sur les structures de cœur de dislocation décorées par l’hydrogène, afin de capturer de manière fiable les effets de ségrégation et de modification de la mobilité des dislocations.
Cette base de données a permis de développer un potentiel ML spécifiquement conçu pour être utilisé avec le code de dynamique moléculaire parallèle LAMMPS, facilitant ainsi les simulations atomistiques réalistes du système tungstène–hydrogène à l’échelle nanométrique. Elle est composée de trois éléments principaux :
Le potentiel ainsi entraîné a été utilisé pour explorer les cœur de dislocation décorées par l’hydrogène.
The database was generated using VASP 6.4.0, and the potential was fitted with the Milady framework (version from July 2024)
Microtomoscan of Clay-Sulfate Rock in humid air under uncontrolled conditions initial state, Part 2
No full textmicrotomosca
Indicateurs des changements par horizons temporels issus des projections hydrologiques Explore2 pour le modèle MORDOR-TS sous RCP 2.6 (référence 1976-2005)
No full textIndicateurs des changements par horizons temporels issus des débits journaliers simulés par le modèle hydrologique MORDOR-TS pour l'ensemble des projections climatiques Explore2 sous RCP 2.6. Ces fichiers résultent de l'agrégation temporelle des simulations hydrologiques sous runs historiques (avant 2005) et des projections hydrologiques (post 2005), fichiers NetCDF disponibles au téléchargement dans la collection Explore2 - Projections hydrologiques.
Ce dépôt regroupe un tableau par indicateur, horizon temporel et chaîne de simulation, c'est-à-dire, scénario d'émission RCP, couple GCM/RCM, correction de biais BC et modèle hydrologique HM. Ces données sont brutes et contiennent donc des chaînes de projections jugées aberrantes / horsains qu'il est possible de filtrer grâce à des métadonnées supplémentaires. Pour des raisons techniques, ces indicateurs sont regroupés par dossiers compressés selon les différentes phases du régime hydrologique.
La description des chaines de modélisation du climat et celle des modèles hydrologiques sont, respectivement, disponibles dans le rapport https://doi.org/10.57745/PUR7ML et dans les annexes du rapport https://doi.org/10.57745/S6PQXD. Retrouvez le diagnostic des modèles hydrologiques résumé à l'échelle des régions hydrologiques dans les fiches téléchargeables ici : https://doi.org/10.57745/DMFUXW.
Métadonnées supplémentaires : Récapitulatif de l'ensemble des indicateurs hydrologiques : https://doi.org/10.57745/JVNHQL Récapitulatif de l'ensemble des chaînes de simulation : https://doi.org/10.57745/R6HG5X Description de l'ensemble des points de simulation : https://doi.org/10.57745/UTKWR5 Liste des chaînes de modélisation jugées aberrantes / horsains : https://doi.org/10.57745/YZNENQ Récapitulatif des années pivots utilisées pour la TRACC : https://doi.org/10.57745/DCOQM6
Décomposition des chaînes de caractères formant le nom des fichiers parquet, séparées par des "_" : {1} Indicateur : Le nom de l’indicateur, du type de statistique calculée {2} Échantillonnage : Échantillonnage temporel sur laquelle est calculé l’indicateur → {1}_{2} Variable : Variable résultante d'un indicateur temporellement contextualisé {3} HX : Horizon futur (H[123]) → {1}_{2}_{3} Changement : Changement d'une variable pour un horizon temporel par rapport à une période de référence, défini dans le récapitulatif des indicateurs hydrologiques {4} EXP : Identifiant de l’expérience historique (post 2005) ou future (post 2005) {5} GCM : Identifiant du GCM forçeur {6} RCM : Identifiant du RCM {7} BC : Identifiant de la méthode de correction de biais statistique {8} HM : Identifiant du modèle hydrologique {9} Référence : Période de référence (ref-YYYYMMDD-YYYYMMDD) {10} Futur : Période futur (fut-YYYYMMDD-YYYYMMDD)
Les colonnes des fichiers parquet sont : EXP : Voir ci-dessus GCM : Voir ci-dessus RCM : Voir ci-dessus BC : Voir ci-dessus HM : Voir ci-dessus code : Code à 10 caractères du point de simulation fourni dans la description des points de simulation *Changement* : Voir ci-dessus
Retrouvez des scripts d'aide pour utiliser ces données parquet
The 29 maize lines SNP and SV variant set
No full textThe dataset corresponds to a set of variants, including SNPs as well as structural variants (SVs), detected using PacBio HiFi long reads, for 29 maize lines within the framework of the SeqOccin project. SNPs, detected using deepvariant, have the suffix dv.vcf.gz. SV, detected using pbsv, have the suffix pbsv.vcf.g
Base de données poissons Nivelle 1977-2024
No full textLa Nivelle est un petit fleuve côtier de la côte basque. Depuis plus de quarante ans des données (essentiellement tissus et écailles) sont régulièrement collectées sur la rivière via des pêches à l'électricité, des captures aux stations de contrôle (passes à poissons) et sur les différents projets de recherche qui se déclinent sur le terrain. Les données de cette collection, forte de plusieurs dizaines de milliers de données et d'échantillons, ont intégré récemment la banque de données BD Poisson gérée à l'U3E de L'INRAE de Rennes.
Cette base de données dédiée au stockage des données collectées sur le terrain regroupe toutes les informations relatives aux captures effectuées sur les sites de l'ORE Diapfc, observatoire de recherche en environnement « Poissons diadromes dans les Fleuves Côtiers » au sein duquel la Nivelle est associée à d’autres cours d’eau observatoire comme l’Oir et la Bresle en Normandie et le Scorff en Bretagne.
Le présent Dataset a pour fonction de proposer toutes les données numériques collectées sur la Nivelle entre 1977 et 2023 sur toutes les espèces échantillonnées aux cours des différentes campagnes d'échantillonnage à savoir :
- Les pêches à l'électricité sur saumon, truite et anguille.
- Les captures de toutes les espèces de poissons aux stations de contrôle d'Uxondoa et Olha.
- De manière plus anecdotique, toute autre campagne dans le cadre de projet de recherche particulier (expérimentation, suivis intermittent) qui génère de la donnée susceptible d'alimenter la base
Serum 1H-NMR metabolomics data for prediction of maturity at birth in pigs
No full textIncreasing piglet survival remains a priority for pig producers. In breeding programs, it can be increased by considering piglet maturity at birth, defined as the level of full development. An immature piglet is less likely to survive the first few days after birth. A morphological trait that can help to characterize a severe immaturity is the shape of the head (Maturity_obs) with initially 3 levels, S for severe immaturity, L for light (mild) immaturity, N for normal. This dataset corresponds to the sample information of all animals, piglet neonates, used to develop the prediction model (PicLet project) with training or test samples (Farms 3 to 5). These neonates are of 3 genotypes (GT); Large White (LW), Landrace (LR), and crossed LRLW. This dataset also includes information on completely independent samples from another project (SuBPig) used to investigate the relevance of the prediction model on newborn piglets of different genotypes and from different farms (Farm 1 and Farm 2). The genotypes of the SuBPig piglets are LW and two divergent genetic lines for residual feed intake (RFI) with LRFI line sows (low RFI, more efficient animals in terms of RFI) and three HRFI line sows (high RFI, less efficient)
Fructose malabsorption induces dysbiosis and increases anxiety in GLUT5ko mouse model
No full textThis study investigated the link between fructose malabsorption and mood disorders by exploring its association with gut microbiota dysbiosis and neuroinflammation using a mouse model (GLUT5 knockout mice fed fructose) of fructose malabsorptio
Indicateurs des séries par horizons temporels issus des projections hydrologiques Explore2 pour le modèle ORCHIDEE sous RCP 8.5
No full textIndicateurs des séries par horizons temporels issus des débits journaliers simulés par le modèle hydrologique ORCHIDEE pour l'ensemble des projections climatiques Explore2 sous RCP 8.5. Ces fichiers résultent de l'agrégation temporelle des simulations hydrologiques sous runs historiques (avant 2005) et des projections hydrologiques (post 2005), fichiers NetCDF disponibles au téléchargement dans la collection Explore2 - Projections hydrologiques.
Ce dépôt regroupe un tableau par indicateur et chaîne de simulation, c'est-à-dire, scénario d'émission RCP, couple GCM/RCM, correction de biais BC et modèle hydrologique HM. Ces données sont brutes et contiennent donc des chaînes de projections jugées aberrantes / horsains qu'il est possible de filtrer grâce à des métadonnées supplémentaires. Pour des raisons techniques, ces indicateurs sont regroupés par dossiers compressés selon les différentes phases du régime hydrologique.
La description des chaines de modélisation du climat et celle des modèles hydrologiques sont, respectivement, disponibles dans le rapport https://doi.org/10.57745/PUR7ML et dans les annexes du rapport https://doi.org/10.57745/S6PQXD. Retrouvez le diagnostic des modèles hydrologiques résumé à l'échelle des régions hydrologiques dans les fiches téléchargeables ici : https://doi.org/10.57745/DMFUXW.
Métadonnées supplémentaires : Récapitulatif de l'ensemble des indicateurs hydrologiques : https://doi.org/10.57745/JVNHQL Récapitulatif de l'ensemble des chaînes de simulation : https://doi.org/10.57745/R6HG5X Description de l'ensemble des points de simulation : https://doi.org/10.57745/UTKWR5 Liste des chaînes de modélisation jugées aberrantes / horsains : https://doi.org/10.57745/YZNENQ Récapitulatif des années pivots utilisées pour la TRACC : https://doi.org/10.57745/DCOQM6
Décomposition des chaînes de caractères formant le nom des fichiers parquet, séparées par des "_" : {1} Indicateur : Le nom de l’indicateur, du type de statistique calculée {2} Échantillonnage : Échantillonnage temporel sur laquelle est calculé l’indicateur → {1}_{2} Variable : Variable résultante d'un indicateur temporellement contextualisé {3} HX : Horizon futur (H[123]) → {1}_{2}_{3} Série : Série d'une variable pour un horizon temporel, défini dans le récapitulatif des indicateurs hydrologiques {4} EXP : Identifiant de l’expérience historique (post 2005) ou future (post 2005) {5} GCM : Identifiant du GCM forçeur {6} RCM : Identifiant du RCM {7} BC : Identifiant de la méthode de correction de biais statistique {8} HM : Identifiant du modèle hydrologique {9} Futur : Période futur (fut-YYYYMMDD-YYYYMMDD)
Les colonnes des fichiers parquet sont : EXP : Voir ci-dessus GCM : Voir ci-dessus RCM : Voir ci-dessus BC : Voir ci-dessus HM : Voir ci-dessus code : Code à 10 caractères du point de simulation fourni dans la description des points de simulation date : (optionnelle) Date associée à l'agrégation (plus d'information dans les métadonnées de variable) *Série* : Voir ci-dessus
Retrouvez des scripts d'aide pour utiliser ces données parquet
Flow intermittence indicators from the reconstruction simulations (1960-2021) in the Genal DRN (Spain)
No full textStatistical monthly and yearly flow intermittence indicators calculated from the simulated daily state of flow in the Genal DRN (Spain).
Indicators for the reconstruction period (1960-2021)
Cartes RIVAGES Normands 2100
No full textCartes produites dans le cadre du projet RIVAGES Normands 2100.
Représentation de l'aléa "remontée de nappe" et croisement avec différents enjeux du territoire.Maps of the RIVAGES Normands 2100 project.
Representation of the rising groundwater hazard and crossing with different issues of the territory