AAC

Algorithmes, Apprentissage et Calcul

L’algorithmique et le calcul touchent à tous les aspects théoriques et pratiques, logiciels et matériels de l’informatique. Depuis une décennie, l’intelligence artificielle et l’apprentissage s’intéressent à la conception automatique d’algorithmes et de processus de calcul, guidée par les données, l’expert, l’utilisateur et/ou l’environnement.

Les principaux axes de recherche du département concernent les modèles de calcul et leur robustesse (du calcul haute performance au calcul quantique en passant par les réseaux neuronaux et les algorithmes répartis), les architectures de traitement (graphes, traitement distribué, synchrone ou asynchrone), et les méthodes (e.g., optimisation continue, combinatoire, stochastique ; apprentissage statistique et théorie de l’information). Par construction, ces axes de recherche font l’objet de collaborations avec les autres départements, en particulier Science des Données et Mécanique des Fluides-Énergétique. L’analyse et la conception des modèles et des processus font une large part aux approches mathématiques (du discret et du continu, en passant par les probabilités, les statistiques et la combinatoire) et de la physique statistique (en particulier sur les phénomènes de transition de phase des systèmes complexes), en lien avec les équipes du LMO et du CMAP (Maths et Maths. Appli), de l’IJCLab (Physique), du L2S (Traitement de Signal), ainsi qu’avec le LIX et le LMF (Méthodes formelles).

Les domaines d’applications comprennent le calcul scientifique (e.g., algèbre linéaire, calcul tensoriel, optimisation numérique, systèmes dynamiques, simulation d’algorithmes quantiques, mathématiques et physique computationnelles, systèmes d’équations différentielles), le calcul distribué (e.g., cloud, ordonnancement, monnaie virtuelle, informatique ubiquitaire, robots autonomes, circuits micro-biologiques), et l’analyse des données.

Coordination

Equipes de recherche du département

Actualités

Dernières publications

  • Communication dans un congrès

    Fabien Dufoulon, Janna Burman, Joffroy Beauquier. Beeping a Deterministic Time-Optimal Leader Election. 32nd International Symposium on Distributed Computing, DISC 2018, Oct 2018, New Orleans, United States. pp.20:1–20:17, ⟨10.4230/LIPIcs.DISC.2018.20⟩. ⟨hal-04474974⟩

    ParSys

    Année de publication

  • Communication dans un congrès

    Joffroy Beauquier, Janna Burman, Peter Davies, Fabien Dufoulon. Optimal Multi-broadcast with Beeps Using Group Testing. Structural Information and Communication Complexity – 26th International Colloquium, SIROCCO 2019, Jul 2019, L’Aquila, Italy. pp.66-80, ⟨10.1007/978-3-030-24922-9_5⟩. ⟨hal-04475010⟩

    ParSys

    Année de publication

  • Communication dans un congrès

    Janna Burman, Joffroy Beauquier, Devan Sohier. Space-Optimal Naming in Population Protocols. 33rd International Symposium on Distributed Computing, DISC, Oct 2019, Budapest, Hungary. ⟨10.4230/LIPICS.DISC.2019.9⟩. ⟨hal-04474993⟩

    ParSys

    Année de publication

  • Article dans une revue

    Chuan Xu, Joffroy Beauquier, Janna Burman, Shay Kutten, Thomas Nowak. Data collection in population protocols with non-uniformly random scheduler. Theoretical Computer Science, 2020, 806, pp.516-530. ⟨10.1016/J.TCS.2019.08.029⟩. ⟨hal-04475038⟩

    ParSys

    Année de publication

    Disponible en libre accès

  • Communication dans un congrès

    Janna Burman, Ho-Lin Chen, Hsueh-Ping Chen, David Doty, Thomas Nowak, et al.. Time-Optimal Self-Stabilizing Leader Election in Population Protocols. PODC ’21: ACM Symposium on Principles of Distributed Computing, Jul 2021, Virtual Event Italy, Italy. pp.33-44, ⟨10.1145/3465084.3467898⟩. ⟨hal-04475393⟩

    ParSys

    Année de publication

    Disponible en libre accès

  • Communication dans un congrès

    Marc Velay, Bich-Liên Doan, Arpad Rimmel, Fabrice Popineau, Fabrice Daniel. Benchmarking Robustness of Deep Reinforcement Learning approaches to Online Portfolio Management. 2023 International Conference on Innovations in Intelligent Systems and Applications (INISTA), Sep 2023, Hammamet, Tunisia. pp.1-6, ⟨10.1109/INISTA59065.2023.10310402⟩. ⟨hal-04473989⟩

    AO, GALaC, LaHDAK

    Année de publication

    Disponible en libre accès

  • Communication dans un congrès

    Evangelos Bampas, Joffroy Beauquier, Janna Burman, William Guy–Obé. Treasure Hunt with Volatile Pheromones. 37th International Symposium on Distributed Computing (DISC 2023), Oct 2023, L’Aquila, Italy. pp.8:1-8:21, ⟨10.4230/LIPIcs.DISC.2023.8⟩. ⟨hal-04470589⟩

    ParSys

    Année de publication

    Disponible en libre accès

  • Article dans une revue

    Sirajo Abdullahi Bakura, Alain Lambert, Thomas Nowak. Escape Path Obstacle-Based Mobility Model (EPOM) for Campus Delay-Tolerant Network. Journal of Advanced Transportation, 2021, 2021, pp.1018904. ⟨10.1155/2021/1018904⟩. ⟨hal-04467554⟩

    ParSys

    Année de publication

    Disponible en libre accès

  • Article dans une revue

    Daniel Etiemble. Common Fallacies about Multivalued Circuits. Asian Journal of Research in Computer Science, 2021, pp.67-83. ⟨10.9734/ajrcos/2021/v12i430295⟩. ⟨hal-04465573⟩

    ParSys

    Année de publication

    Disponible en libre accès

  • Notice d’encyclopédie ou de dictionnaire

    Daniel Etiemble. Plateformes de développement faible coût pour la domotique, la robotique et le prototypage des systèmes embarqués. Techniques de l’ingénieur, 2023, ⟨10.51257/a-v1-h1102⟩. ⟨hal-04465540⟩

    ParSys

    Année de publication