|
Accueil > Forum TERATEC > Ateliers
|
Résumé : La modélisation de la dynamique des épidémies permet de proposer des stratégies de contrôle basées sur des interventions pharmaceutiques et non-pharmaceutiques (limitation des contacts, confinements, vaccination, etc.).
La conception manuelle de telles stratégies n'est pas triviale en raison du nombre d'interventions possibles et de la difficulté à prédire les effets à long terme. Cette tâche peut être considérée comme un problème d'optimisation pour lequel les algorithmes d'apprentissage automatique de pointe, tels que l'apprentissage par renforcement profond, peuvent apporter une valeur ajoutée.
Nous utilisons des algorithmes d'apprentissage par renforcement (DQN, NSAG-II, …) pour trouver des politiques optimales pour le contrôle dynamique du confinement en optimisant le nombre de morts et la récession économique en se basant sur un modèle Susceptible-Exposé-Infectieux-Remis étendu (SEIR) pour la COVID-19.
Nous présentons EpidemiOptim, une boîte à outils Python qui facilite les collaborations entre les chercheurs en épidémiologie (modèles), les décideurs politiques (fonctions de coût, état des actions) et les spécialistes de l'optimisation (algorithme d'apprentissage)
Biographie : Mélanie Prague est chercheuse permanente à Inria (Université de Bordeaux, France) dans l'équipe SISTM (Statistics in Immunology and translational medicine) depuis octobre 2016. Depuis 2013, elle est titulaire d'un doctorat en biostatistique et santé publique de l'Université de Bordeaux, France. Elle a également été postdoctorante pendant près de trois ans à la Harvard School of Public Health (Boston, États-Unis). Ses recherches portent sur le développement de méthodes statistiques pour le traitement et la prévention des maladies infectieuses. Elle développe des modèles à inter- et intra-hôte pour accélérer le développement de traitements et de vaccins. Ses principaux financements sont centrés sur des applications sur le VIH, Ebola, Nipah et COVID-19. | |
Biographie :Clément Moulin-Frier a obtenu son doctorat en Ingénierie de la Cognition, de l'Interaction, de l'Apprentissage et de la Création à l'Université de Grenoble en 2011. Ses recherches s’intéressent principalement à l’émergence de comportement sociaux dans des populations d’agents biologiques ou artificiels, dans une approche centrée sur la modélisation et la simulation informatique. En 2009, il a été chercheur invité dans le laboratoire de Michael Arbib à l'Université de Californie du Sud à Los Angeles. Après un passage par le Collège de France à Paris où il a travaillé sur le contrôle optimal probabiliste pour les robots bipèdes, il a ensuite mené ses recherches entre 2011 et 2014 dans l'équipe Flowers de l'Inria Bordeaux dans le domaine de la robotique développementale. Puis, de 2015 à 2017, il a rejoint le laboratoire SPECS à Barcelone (Synthetic, Perceptive, Emotive and Cognitive Systems laboratory), dans lequel il a participé à de grands projets européens de robotique sociale tels que WYSIWYD et SocSMCs. De 2017 à 2019, il a été chercheur à Cogitai, une entreprise américaine de recherche en Intelligence Artificielle (devenue depuis Sony AI America). Enfin, depuis octobre 2019, il a réintégré l’équipe Flowers à Inria Bordeaux Sud-Ouest, cette fois en tant que chargé de recherche permanent. |
Inscrivez-vous dès à présent et obtenez votre badge en cliquant ici