Thème Métamodélisation, Optimisation Continue et Application (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 souvent 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
  • Simulation à événements discret
  • Calcul scientifique
  • Calcul à Haute Performance
  • Reproductibilité numérique

Dernières Publications

Rodolphe Le Riche, Charlie Sire - 8 décembre 2021
Introduction to Global Optimization


Youssef Diouane, Victor Picheny, Rodolphe Le Riche, Alexandre Scotto Di Perrotolo - 25 novembre 2021
TREGO: a Trust-Region Framework for Efficient Global Optimization


Jhouben Cuesta-Ramirez, Rodolphe Le Riche, Olivier Roustant, Guillaume Perrin, Cedric Durantin, Alain Gliere - 4 novembre 2021
A comparison of mixed-variables Bayesian optimization approaches


Kenneth Ezukwoke, Houari Toubakh, Anis Hoayek, Mireille Batton-Hubert, Xavier Boucher, Pascal Gounet - 23 août 2021
Intelligent Fault Analysis Decision Flow in Semiconductor Industry 4.0 Using Natural Language Processing with Deep Clustering
IEEE 17th International Conference on Automation Science and Engineering (CASE)

Jules Djoko, Jonas Koko, Sognia Konlack - 22 août 2021
Stokes equation under Tresca friction boundary condition: a truncated approach


Rodolphe Le Riche, Dédji Whannou, Espéran Padonou - 29 juillet 2021
An introduction to optimization for machine learning


Xavier Bay, Laurence Grammont - 9 juillet 2021
Constrained Optimal Smoothing and Bayesian Estimation


Rodolphe Le Riche, Victor Picheny - 1 juillet 2021
Revisiting Bayesian Optimization in the light of the COCO benchmark
Structural and Multidisciplinary Optimization

Charlie Sire, Rodolphe Le Riche, Didier Rullière, Lucie Pheulpin, Yann Richet, Jeremy Rohmer - 28 juin 2021
Robust inversion under uncertainty for risk analysis – application to the failure of defences against flooding
4th International Conference on Uncertainty Quantification in Computational Sciences and Engineering (UNCECOMP 2021)

Clément Laboulfie, Matthieu Balesdent, Loïc Brevault, Sébastien da Veiga, François-Xavier Irisarri, Rodolphe Le Riche, Jean-François Maire - 27 juin 2021
CALIBRATION OF MATERIAL MODEL PARAMETERS USING MIXED-EFFECTS MODEL
4th ECCOMAS Thematic Conference on Uncertainty Quantification in Computational Sciences and Engineering

Toutes les publis se trouvent ici