YEVI Mawuli Péniel Samuel

EN
Qui suis-je ?

YEVI Mawuli Péniel Samuel.

Informatique scientifique, systèmes et exploration computationnelle — à l’interface des mathématiques et de la physique.

Chercheur indépendant, je construis des outils et systèmes informatiques pour explorer des problèmes en mathématiques, physique et calcul scientifique. Je recherche des projets techniques exigeants où apprendre vite, contribuer concrètement et approfondir mes bases en informatique.

  • Calcul scientifique, architectures parallèles et optimisation bas niveau
  • Intelligence artificielle locale, modèles séquentiels et systèmes embarqués
  • Frameworks, runtimes et outils de recherche expérimentaux
Deep Learning Systems Calcul Scientifique Méthodes Numériques Systèmes Embarqués & IoT
Proposer un projet Voir mes projets
Portrait de YEVI Mawuli Péniel Samuel
À propos

Comprendre, représenter et transformer l’information

Je suis chercheur indépendant en informatique scientifique et systèmes. L’informatique est mon domaine central : j’y construis des outils et des systèmes pour explorer des questions issues des mathématiques, de la physique et du calcul scientifique.

J’explore actuellement le calcul scientifique, les méthodes numériques, la programmation systèmes et l’ingénierie de frameworks d’expérimentation, avec une attention particulière portée à la rigueur, aux performances et à la reproductibilité.

Stack

Technologies & outils

Systèmes & Compilateurs
C / C++ (C11) Rust OCaml LLVM IR Linux / Valgrind
IA & Calcul Scientifique
Python llama.cpp / GGUF Unsloth FastAPI
Runtimes & Outils
Tauri v2 Electron Git / GitHub
Projets phares

Axes de recherche & prototypes techniques

Bissi - Agent d’IA local-first et 100% hors ligne

Commit : Lun. 18 mai 2026

Assistant IA privé conçu pour l'équité numérique (Afrique de l'Ouest) : modèle Gemma 4 E2B fine-tuné avec Unsloth, quantifié en Q4_K_M (3.2 Go), exécuté localement via llama.cpp et FastAPI, avec support documentaire et rendu LaTeX KaTeX sur Electron.

Interface de l'agent IA Bissi en mode sombre

Stack: Gemma 4 E2B, Unsloth, llama.cpp, FastAPI, Electron, Python

Code GitHub · Modèle Hugging Face

Mercuria - Notebook d'expérimentation reproductible

Commit : Jeu. 23 juil. 2026

Environnement d'expérimentation scientifique orienté preuve : formulation d'hypothèses Python personnalisées, exécution sandboxée et suivi précis des deltas de métriques entre résultats attendus et observés.

Interface de Mercuria - Notebook d'expérimentation reproductible

Stack: Rust, Tauri v2, TypeScript, Vite, Python subprocess

Voir le projet

Onyx - Langage Polyvalent pour la recherche, le calcul numérique et l'IA

Commit : Lun. 19 oct. 2026

Conception d'un langage de programmation moderne alliant syntaxe compacte, performance et expressivité. Onyx introduit le support natif des tenseurs multidimensionnels (arr), une inférence de types prévisible, la différentiation automatique (autodiff) et un modèle d'exécution adapté à l'IA et au calcul scientifique.

micrograd.onx 
(< Graphe computationnel & autodiff : méthodes d'instance et de classe >)
class Value:
    #from(* data: real, children: tuple = (), op: string = "")
    .grad: real = 0.0

    .mul(other: Value) -> Value:
        => Value(.data * other.data, (self, other), "*")

    .backward_mul(left: Value, right: Value) -> none:
        left.grad = left.grad + .grad * right.data
        right.grad = right.grad + .grad * left.data
        => none

    cls.constant(val: real) -> Value:
        => Value(val, (), "const")

(< y = w * x + b : inférence & rétropropagation >)
product: Value = w.mul(x)
output: Value = product.add(b)
output.grad = 1.0
product.backward_mul(w, x)

Stack: Conception de langage, Tenseurs (arr), Calcul numérique, Autodiff

Voir le projet

logariasmós - Bibliothèque de calcul scientifique en C11

Commit : Lun. 24 août 2026

Socle scientifique modulaire pour algèbre linéaire/bilinéaire, intégration numérique et probabilités, avec gestion mémoire stricte, tests unitaires cmocka et profilage Valgrind.

bilinear.c 
// Allocation explicite & vérification de tag d'intégrité (magic)
matrix_t A = matrix_from(3, 3, (double[]){1, 0, 0, 0, 1, 0, 0, 0, 1});
tensor_t T = tensor_contract(&A, &B, 1, 0);

if (matrix_is_valid(&A) && last_status() == STATUS_OK) {
    matrix_destroy(&A); // 0 fuite mémoire certifiée Valgrind
}

Stack: C11, Makefile, cmocka, valgrind, Linux

Voir le projet

Automaton Universale - Runtime pour Edge AI & Robotique

Commit : Mar. 25 août 2026

Framework d'automates découplant perception (inférence IA), décision (cœur déterministe) et action (organes physiques et garde-fous de sécurité) pour systèmes embarqués critiques.

controller.py 
from automata import Automaton
 
app = Automaton(model="edge_obstacle_q4.onnx", name="Titan-Rover")

Stack: Python 3.9+, Edge AI, architectures cyber-physiques

Voir le projet

Graphy - Bibliothèque de théorie des graphes

Commit : Mer. 22 juil. 2026

Bibliothèque pour la modélisation, manipulation et analyse de graphes complexes, avec architecture extensible pour les algorithmes d'optimisation et de parcours.

dijkstra.py 
from graphy import Digraph, Arc, dijkstra

g = Digraph()
g.add_arc(Arc(u="α", v="β", cost=1.414))
g.add_arc(Arc(u="β", v="γ", cost=2.718))

distances, predecessors = dijkstra(g, source="α")

Stack: Python, théorie des graphes, algorithmes

Voir le projet