R-GAINS - Robust Generative Artificial Intelligence for physical Sciences (Intelligence artificielle générative robuste pour les sciences physiques) : De l'échantillonnage Monte Carlo à la génération de dynamiques multi-échelles


Logo RGAINS



Manon MICHEL,
CR CNRS,
manon.michel@uca.fr

Site web


Vivien LECOMTE,
CR CNRS,
vivien.lecomte@univ-grenoble-alpes.fr

Site web


DESCRIPTION

Ce projet est une collaboration entre l'Université Clermont Auvergne (UCA) et l'Université Grenoble Alpes (UGA). L'équipe interdisciplinaire comprend des physiciens, des chimistes et des mathématiciens qui travaillent ensemble pour relever les défis de la génération de données, qui est l'une des questions centrales de l'informatique scientifique. En particulier, nous visons à développer des méthodes efficaces d'échantillonnage Monte Carlo améliorées par des modèles génératifs de pointe et à fournir des garanties mathématiques concernant la robustesse et la fiabilité des approches d'apprentissage automatique développées. Nous concevrons également des techniques avancées d'échantillonnage d'événements rares en intégrant la théorie moderne des processus stochastiques à l'apprentissage automatique. En outre, nous nous concentrons sur la prédiction de la dynamique à partir de données de simulation moléculaire. Au-delà de la recherche, nous prévoyons d'organiser diverses initiatives éducatives, y compris de nouveaux cours magistraux sur l'apprentissage automatique, des hackathons, des sessions de formation professionnelle du CNRS et des écoles d'été internationales, afin de promouvoir à la fois la recherche scientifique et la formation à travers le réseau MIAI.


ACTIVITÉS

Nous prévoyons d'engager un chercheur postdoctoral à l'UGA, un à l'UCA et un étudiant en doctorat à l'UCA. Le chercheur postdoctoral à l'UGA se concentrera sur l'échantillonnage d'événements rares en combinant des techniques de processus stochastiques, telles que la transformation de Doob, avec diverses méthodes d'apprentissage automatique. Le chercheur postdoctoral à l'UCA travaillera sur la prédiction de la dynamique des simulations moléculaires en utilisant des techniques d'apprentissage profond de pointe. Le doctorant à l'UCA se concentrera sur la fourniture de garanties mathématiques concernant la robustesse des résultats obtenus par des approches d'apprentissage automatique.
 

ÉVÉNEMENTS

Un événement de lancement est prévu les 26 et 27 août à l'UCA (R-GAINS Kickstart meeting).


LISTE SÉLECTIVE DE PUBLICATIONS : 

  • [1] Michel, M., Durmus, A. et Sénécal, S. (2020). Forward Event-Chain Monte Carlo : Fast Sampling by Randomness Control in Irreversible Markov Chains. Journal of Computational and Graphical Statistics, 29(4), 689-702.
  • [2] Guyon, T., Guillin, A., & Michel, M. (2024). Symétries nécessaires et suffisantes dans Event-Chain Monte Carlo avec des flux généralisés et application aux dimères durs. Journal of Chemical Physics, 160(2), 024117.
  • [3] Souveton, V., Guillin, A., Jasche, J., Lavaux, G., & Michel, M. (2024). Fixed-kinetic Neural Hamiltonian Flows for enhanced interpretability and reduced complexity. In Proceedings of the 27th International Conference on Artificial Intelligence and Statistics, PMLR 238, 3178-3186.
  • [4] Nemoto, T., Bouchet, F., Jack, R. L. et Lecomte, V. (2016). Méthode de dynamique des populations avec un contrôle par rétroaction multicanonique. Physical Review E, 93, 062123.
  • [5] Giardinà, C., Kurchan, J., Lecomte, V., & Tailleur, J. (2011). Simulation d'événements rares dans les processus dynamiques. Journal of Statistical Physics, 145, 787-811.
  • [6] Cherchi, G.-M., Dequidt, A., Guillin, A., Martzel, N., Hauret, P., & Barra, V. (2024). ML-GLE : A machine learning enhanced Generalized Langevin equation framework for transient anomalous diffusion in polymer dynamics. Journal of Computational Physics, 514, 113210.
  • [7] Sharma, A., Liu, C. et Ozawa, M. (2024). Selecting relevant structural features for glassy dynamics by information imbalance. The Journal of Chemical Physics, 161, 18.
Publié le 25 août 2025
Mis à jour le 15 septembre 2025