Hackathon sur l'inférence basée sur la simulation (SBI)

Agenda Culture scientifique
21 janvier 2026 - 23 janvier 2026
Bienvenue au Hackathon Simulation-Based Inference (SBI) à Grenoble - un événement pratique de trois jours dédié à l'exploration d'outils modernes d'inférence bayésienne pour des simulateurs scientifiques complexes, organisé par la chaire SBI4C de l'institut MIAI.
Dates : 21-23 janvier 2026

Lieu : Bâtiment IMAG, campus de l'Université Grenoble Alpes, Grenoble, France

Durée de l'enquête : 3 jours (1,5 jour de tutorat + 1,5 jour de hackathon)

Public cible : chercheurs, étudiants et praticiens intéressés par l'estimation des paramètres, l'étalonnage des modèles ou la quantification de l'incertitude dans les simulations physiques, biologiques ou d'ingénierie.

Inscription : Gratuit, mais places limitées. Merci de vous inscrire avant le 31 décembre 2025. Les organisateurs vous contacteront pour confirmer votre inscription.  
Programme

Jour 1-2 (Tutoriel, 1,5 jours)

Dirigé par Jan Teusen. Les sujets abordés sont les suivants :

  • Modélisation générative et cadre SBI
  • Estimation neuronale a posteriori (NPE), estimation de la vraisemblance et des ratios
  • Cahiers pratiques utilisant le paquetage Python sbi
  • Application de SBI à des simulateurs jouets et de référence


Jour 2-3 (Hackathon, 1,5 jour)

Les participants forment de petites équipes autour de simulateurs réels ou de jouets (les vôtres ou des exemples fournis).
Orientations possibles :

  • Adapter SBI à votre simulateur de recherche
  • Analyse comparative de différentes stratégies d'inférence
  • Construire des pipelines reproductibles pour l'étalonnage ou la quantification de l'incertitude
  • Partage et discussion des résultats lors de la session de clôture


Nous nous inspirerons des hackathons ouverts réussis tels que le IGE-Jaxathon 2025, en mettant l'accent sur la collaboration, l'ouverture et la recherche appliquée.

Informations pratiques

Prérequis : connaissance de base de Python et de l'apprentissage automatique
L'environnement : installation de conda ou de mamba, préconfigurée via le fichier environment.yml fourni
Code et matériaux : partagés par le biais de ce dépôt et de GitHub Classroom
Sorties : Les participants sont encouragés à partager leurs carnets de notes, leurs résultats et leurs idées pour des collaborations ultérieures.
 

Publié le 20 novembre 2025
Mis à jour le 4 décembre 2025