 |
||
|
||
Accueil > Forum TERATEC > Ateliers > Atelier 6
Atelier 6 - de 11h00 à 12h30
IA et calcul scientifique : accélérer l’innovation dans les domaines académiques et industriels
Présidé par Eric Petit, Research engineer, HPC application specialist, Intel and Michaël Krajecki, Agence de l’Innovation de Défense (AID)
Deep Learning et modélisation de processus physiques
 |
| Fig: Forecasting ocean circulation dynamics. Rows 1 and 2 respectively, ground truth, sea surface temperature and velocity field, rows 3 and 4 Deep Learning predictions |
L'apprentissage profond est devenu en quelques années l’état de l’art pour l'analyse et la modélisation des données. Ses principaux succès sont cependant principalement limités au monde numérique, par exemple l'analyse de données sémantiques ou les jeux. L'observation et l'analyse de processus physiques complexes dans des domaines industriels comme l'aéronautique ou la production d'énergie et dans des domaines comme l'environnement génèrent également de grandes quantités de données. Le principal paradigme de modélisation dans tous ces domaines repose sur une connaissance approfondie de la physique sous-jacente. Une tendance récente en recherche consiste à développer l'interaction entre les approches basées sur des modèles, héritées de la physique et de l'analyse numérique d'une part, et l'apprentissage statistique d'autre part. Cela soulève de nouveaux défis pour l'apprentissage qui commencent seulement à être explorés.
Dans cette présentation, je me concentrerai sur la modélisation des systèmes dynamiques et je présenterai des avancées récentes qui renforcent les connexions et les complémentarités entre l'apprentissage approfondi et la modélisation physique. Je mettrai en évidence certaines idées récentes sur le développement de systèmes hybrides exploitant ces complémentarités. J'illustrerai ces idées par des cas d'utilisation dans différents domaines.
 |
Biographie : Patrick Gallinari is a professor at Sorbonne University and distinguished researcher at Criteo AI Lab - Paris. His research focuses on statistical learning and deep learning with applications in different fields such as semantic data processing or complex data analysis. Together with colleagues from Sorbonne University, he started to explore in 2017 the development of physico-statistical systems combining the model based approaches of physics and the data processing approaches of statistical learning. He has been a pioneer in the development of Neural Networks in the 90ies. He leads a team whose central theme is Statistical Learning and Deep Learning (https://mlia.lip6.fr). He was director of the Paris 6 computer lab (LIP6) from 2005 to 2013. |
|---|
Inscrivez-vous dès à présent et obtenez votre badge en cliquant ici
- Le Forum TERATEC est strictement réservé aux professionnels.
- Participation gratuite aux conférences et aux ateliers.
- L'enregistrement en ligne est obligatoire.