Partenaires

CNRS
UPS



Rechercher

Sur ce site

Sur le Web du CNRS


Accueil du site > Recrutement > Stages M2 / Thèses au LPT > Applications des techniques d’apprentissage automatique à la simulation de systèmes physiques complexes

Applications des techniques d’apprentissage automatique à la simulation de systèmes physiques complexes

Proposition de thèse 2020

par Bertrand Georgeot - 4 décembre 2019

PhD advisor : Bertrand Georgeot, LPT et David Guéry-Odelin, LCAR

Contact : Bertrand Georgeot (georgeot(at)irsamc.ups-tlse.fr ; +33 (0)5 61 55 65 63)

Les techniques d’apprentissage automatique (machine learning en anglais) ont connu un grand développement ces dernières années, et ont mené à des percées décisives dans des domaines aussi variés que la simulation de jeux stratégiques (jeu de go), la traduction automatique ou la conduite de véhicules.

Très récemment, ces techniques ont été appliquées dans un cadre nouveau, permettant de simuler des systèmes physiques complexes d’une manière conceptuellement nouvelle. Des études préliminaires ont par exemple montré que l’apprentissage par les états précédents d’un système permettait de prédire l’évolution du système sans passer par la résolution explicite des équations de la dynamique.

Le sujet de stage/thèse étudiera l’applicabilité de ces methodes à la simulation de systèmes physiques complexes, en particulier ceux présentant de la dynamique chaotique classique ou quantique, de manière à identifier les quantités physiques que ces techniques prédisent le mieux et avec quelle précision. Nous traiterons également la simulation de dynamique hors d’équilibre de systèmes de physique statistique.

Le stage/doctorat sera encadré par une équipe de chercheurs du Laboratoire de Physique Théorique et du Laboratoire Collisions Agrégats Réactivités de l’IRSAMC, Toulouse. Le projet demandera à la fois des simulations numériques et des calculs analytiques. En fonction des goûts et capacités du candidats, une extension expérimentale (mise sur pied d’une expérience reproduisant le processus d’apprentissage automatique) est aussi envisageable.