Algorithmes, Apprentissage et Calcul

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.