Thème Métamodélisation, Optimisation Continue et Applications (MOCA)

Présentation

Ce thème, pluri-disciplinaire, concerne la gestion de modèles et leurs applications en particulier en optimisation continue. En terme de modélisation, on retrouve donc la simulation numérique de systèmes physiques et la métamodélisation sous ses deux significations:

    • La construction de modèles statistiques à partir de données entrée-sortie qui, elles même, peuvent provenir de modèles coûteux de simulation par éléments finis. Cette métamodélisation est un apprentissage supervisé utilisant une quantité limitée de données. Les méthodes d'optimisation continue utilisent souvent de tels métamodèles.

    • La production de programmes informatiques à travers la description et la manipulation de modèles. Dans ce cas, un métamodèle est un descripteur d’une classe de modèles. La notion couvre aussi les métaprogrammes qui décrivent algorithmiquement un ensemble d'instances de modèles possibles.

Ainsi, le thème Métamodélisation couvre aussi bien les aspects théoriques de l'optimisation continue, que les ``computer experiments'', ou l'implémentation et l'optimisation de codes de simulation complexes nécessitant le recours au calcul intensif. Nous proposons aussi des solutions logicielles intégrées pour des problèmes de simulation à événements discrets et nous attachons un soin particulier à la reproductibilité numérique des résultats.

Mots clés :

  • Modélisation statistique
  • Optimisation continue
  • Calcul scientifique
  • Calcul à Haute Performance
  • Reproductibilité numérique
  • Métaprogrammation

Dernières Publications

Valentin Guien, Violaine Antoine, Luis E C Rocha, Romain Lardy, Isabelle Veissier - 19 septembre 2027
Understanding Specific Cows’ Behavior Through Cows’ Activity
Lecture Notes in Computer Science

Lucas Brunel, Mathieu Balesdent, Loïc Brevault, Rodolphe Le Riche, Bruno Sudret - 1 janvier 2027
Active learning strategy for excursion-set confidence regions of functional simulator outputs
Computer Methods in Applied Mechanics and Engineering

Exaucé Luweh Adjim Ngarti, Élise Arnaud, Léo Nicoletti, Victor Trappler, Arthur Vidard - 27 octobre 2026
Rényi-Regularized Flow-Based Variational Inference for Bayesian Calibration


Exaucé Luweh Adjim Ngarti, Élise Arnaud, Léo Nicoletti, Victor Trappler, Arthur Vidard - 27 octobre 2026
Amortized Localized Posterior Inference for Model Calibration with Application to an Ocean Turbulence Closure


Anthony Bertrand, Tom Schmitt, Engelbert Mephu Nguifo, David Hill - 21 septembre 2026
Reproducible AI Requires Reproducible Randomness


Nicolas Kerckhove, Armel Soubeiga, Jules Phalip, Célian Bertin, Bastien Doreau, Xavier Moisset, Noémie Delage, Nicolas Authier, Violaine Antoine, Bruno Pereira - 4 août 2026
Digital Monitoring and Chronic Pain Trajectories in Patients Receiving Tertiary Pain Care
JAMA Network Open

Steven Adriaensen, Nathalie Bartoli, Mickael Binois, Robert B. Gramacy, Rodolphe Le Riche, Szu Hui Ng, Inneke van Nieuwenhuyse, Jixiang Qing, Antonio Candelieri - 28 juillet 2026
Surrogate Models for Bayesian Optimization


Rodolphe Le Riche - 22 juillet 2026
Some unexpected uses of linear correlations in Bayesian Optimization


Rui Ma, Rodolphe Le Riche - 7 juillet 2026
On ℓ 0 -Regularized Sparse Multiple Kernel Learning for Feature Selection


Victor Trappler - 1 juillet 2026
Expected Hypervolume Maximization for Multiobjective Optimization under Uncertainties


Toutes les publis se trouvent ici