Institut multidisciplinaire d'intelligence artificielle

DESCRIPTION

Avec nos méthodologies actuelles, la dynamique des processus terrestres reste cachée dans les données sismiques et géodésiques qui s'accumulent rapidement. L'IA comblera le fossé entre la quantité d'observations et la compréhension incomplète des processus.
De nouveaux signaux faibles mettent en évidence l'évolution spatio-temporelle complexe de la déformation. Notre groupe est à la pointe du traitement massif des données sismologiques (imagerie passive et surveillance) et géodésiques. Nos objectifs sont les suivants : la détection de classes de signaux connus et nouveaux, le démêlage des processus physiques à l'œuvre, la mise à l'échelle de nos flux de travail.

ACTIVITÉS

Représentation multi-échelle des signaux
Regroupement d'enregistrements continus
Détection avec auto-régression vectorielle
Modélisation du bruit ambiant
Les applications couvrent la détection et la classification des microséismes dans les environnements miniers et d'injection de fluides, ainsi que l'amélioration de l'imagerie et de la surveillance basées sur le bruit ambiant, une technique développée dans notre groupe.
Notre groupe interdisciplinaire met en œuvre les outils de l'IA pour gérer la complexité et l'imbrication des échelles des différents processus non linéaires en interaction agissant sur les composants solides et fluides du milieu réel.

chaire

Séminaires de travail conjoints

American Geophysical Union, Fall Meeting 2019, résumé #S52A-05, Towards Systematic Classification of Seismic Signals with Deep Neural Networks , Beauce, E. ; Cougoulat, G. ; Poli, P. ; Seydoux, L. ; van der Hilst, R. D. ; Campillo, M.

American Geophysical Union, réunion d'automne 2019, résumé #S52A-04
Clustering de signaux sismiques et de bruits avec apprentissage non supervisé de représentation profonde, Seydoux, L. ; Balestriero, R. ; Poli, P. ; De Hoop, M. V. ; Baraniuk, R. ; Campillo, M.

Assemblée générale de l'Union européenne des géosciences 2019 Apprentissage non supervisé pour l'identification des signaux sismiques Maarten de Hoop, Richard Baraniuk, Joan Bruna, Michel Campillo, Hope Jasperson, Stephane Mallat, TanNguyen, et Leonard Seydoux.

LISTE SÉLECTIVE DE PUBLICATIONS 

• El Bouch S. & al. (2021) "A Normality test for multivariate dependant samples", soumis à J. Of Computational stat. and data analysis, Elsevier.

• El-Bouch S et al. 'Joint Normality Test via Two-dimensional Projection'. R Steinmann, L Seydoux, M Campillo (2021) Hierarchical exploration of single station seismic data with unsupervised learning.

• L. Seydoux, M Campillo, R Steinmann, R Balestriero, M de Hoop (2021) Observing seismic signatures of slow slip events with unsupervised learning.

• R. Steinmann, L Seydoux, M Campillo (2021) Revealing the signature of ground frost in continuous seismic data with machine learning.

• L. Seydoux, R Steinmann, M Campillo, M de Hoop, R Balestriero (2021) Learning the signature of slow-slip events and slow earthquakes from seismic and geodetic data.