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

Anis Fradi, Chafik Samir - 10 novembre 2024
Learning and Regression on the Grassmannian


Hassan Maatouk, Didier Rullière, Xavier Bay - 8 mars 2024
Efficient constrained Gaussian process approximation using elliptical slice sampling


David Gaudrie, Rodolphe Le Riche, Tanguy Appriou - 27 février 2024
An Empirical Case of Gaussian Processes Learning in High Dimension: the Likelihood versus Leave-One-Out Rivalry
SIAM Conference on Uncertainty Quantification (UQ24)

Tanguy Appriou, Didier Rullière, David Gaudrie - 26 février 2024
High-dimensional Bayesian Optimization with a Combination of Kriging models


Benjamin A. Antunes, David R.C. Hill - 10 février 2024
Reproducibility, Replicability, and Repeatability: A survey of reproducible research with a focus on high performance computing


Benjamin A. Antunes, David R. C Hill - 2 février 2024
Reproducibility, energy efficiency and performance of pseudorandom number generators in machine learning: a comparative study of python, numpy, tensorflow, and pytorch implementations


Armel Soubeiga, Violaine Antoine, Sylvain Moreno - 22 janvier 2024
Clustering flou de séries temporelles discrètes pour la modélisation des trajectoires de soins de la douleur chronique
24ème conférence francophone sur l'Extraction et la Gestion des Connaissances EGC 2024

Marc Grossouvre, Didier Rullière, Jonathan Villot - 1 janvier 2024
Predicting missing Energy Performance Certificates: Spatial interpolation of mixture distributions
Energy and IA

Benjamin A. Antunes, David Hill - 29 décembre 2023
Evaluating Simultaneous Multi-threading and Affinity Performance for Reproducible Parallel Stochastic Simulation
Research Reports on Computer Science

David Gaudrie, Rodolphe Le Riche, Victor Picheny - 21 décembre 2023
Modeling and Optimization with Gaussian Processes in Reduced Eigenbases
Machine Learning, Optimization and Manifolds (MLOMA)

Toutes les publis se trouvent ici