Agenda
octobre
-
14:0017:00
František Kardoš soutiendra sa HDR intitulée : « La structure et les invariants combinatoires des graphes cubiques», le 17/10/2025, à 14h00.
Amphi LaBRI -
10:0013:00
Cette thèse se situe à l’interface entre probabilités, combinatoire, et systèmes de particules. Nous étudions plusieurs modèles aléatoires, et nous nous intéressons notamment à leur comportement asymptotique. Dans une première partie, nous analysons deux familles de modèles, le modèle de golf et une nouvelle famille de modèles que l’on introduit, les modèles continus de dispersion. Bien que très différents au premier abord, ces deux familles possèdent des propriétés similaires. Le modèle de golf est un modèle discret, dans lequel des particules se déplacent sur Z/nZ jusqu’à s’arrêter sur des “trous libres”. Ce modèle est proche du modèle de parking, mais plus général de par la politique de déplacement des particules. Les modèles de dispersion continue, quant à eux, sont des modèles continus, dans lesquels de la masse est progressivement étalée sur le cercle unité, formant alors des composantes occupées et libres. Dans les deux cas, nous mettons en évidence des propriétés d’universalité : la distribution des composantes libres et occupées ne dépend pas de la façon dont les particules ou les masses sont diffusées, sous des hypothèses relativement faibles sur cette diffusion. Cela nous permet d’obtenir des résultats
précis, asymptotiques notamment, sur la distribution de ces modèles.
Dans la deuxième partie de cette thèse, nous étudions un processus d’apprentissage par renforcement, inspiré des modèles biologiques dans lesquel des fourmis, déposant des phéromones sur leur chemin, parviennent à trouver des chemins de longueur minimale entre leurs nids et une source de nourriture. Nous nous intéressons plus particulièrement à un modèle à boucles effacées, dans lequel les fourmis renforcent uniquement des chemins auto-évitants. Nous montrons la convergence de ce modèle sur une famille de graphes, appelés les graphes séries-parallèles en triangle, et dans lesquels les fourmis trouvent en effet des chemins optimaux.
Amphi LaBRI -
12:4513:45
Quentin Clairon (Inria BSO, ISPED) donnera un séminaire, le 23 octobre 2025 de 12h45 à 13h45, amphi du LaBRI.
L’intitulé du séminaire : "Mechanistic modeling and inference for clinical trial data analysis" (english if asked).
Amphi LaBRI -
14:0018:00
Cette thèse s'inscrit dans le domaine de la géométrie stochastique, dont le but est de comprendre les propriétés statistiques de modèles géométriques aléatoires. En général, l'alea porte sur la position dans R^d des objets usuels de la géométrie euclidienne, tels qu'un point, une droite, un polygone... Les questions portent cependant sur des objets de plus haut niveau, comme les lois des cellules de Voronoi, des propriétés d'intersections, de percolation... Cette these est dévolue à l'étude de l'enveloppe convexe de points pris au hasard dans un domaine fixé. Dans la majorité de nos travaux, pour une dimension fixée préalablement, nous tirons uniformément et indépendamment n points dans un domaine convexe K, et regardons l'enveloppe convexe de ces points, soit pris ensemble dans K, soit pris avec une portion de la frontière de K. Dans le premier chapitre de cette thèse, on tire n+m points i.i.d. uniformes dans un triangle et on prend l'enveloppe convexe de ces points avec deux sommets du triangle choisis à l'avance. Nous démontrons alors que quand on conditionne par un nombre n de points sur la frontière, si m est linéaire ou sous-linéaire en n la forme limite de la frontière de l'enveloppe convexe n'est autre qu'un morceau d'hyperbole. Pour ces mêmes valeurs de n et m, nous donnons les asymptotiques de la probabilité de tels évènements. Dans les chapitres 2
et 3, on tire n points uniformément dans un polygone convexe K, puis nous étudions la probabilité pour que ces n points forment les sommets d'un polygone convexe dans K, intrinsèquement liée à un cas particulier du modèle du chapitre 1. Nous démontrons un équivalent de cette probabilité, qui affine des résultats de Bárány et Valtr datant de la fin des années 90. Nous avons aussi explicité la loi d'un ensemble de points conditionnés à être en position convexe, et les fluctuations de la chaîne convexe autour de sa limite. Ces résultats furent obtenu en deux temps, d'abord dans le cas où K est un polygone régulier, puis un polygone convexe général. Nous avons également traité un modèle plus large, en toutes dimensions, qui consiste à tirer des points au-dessus d'une base plate, en dessous d'une forme
concave et à regarder la probabilité que les points soient en position convexe avec la base. Nous avons ainsi mené une étude extensive de ce modèle, entre optimisation de forme et bornes supérieure et inférieure de cette probabilité dans certains cas précis (par exemple dans un tétraèdre ou un cone). Dans le chapitre 5, un peu différent des autres, nous étudions des modèles de polytopes convexes aléatoires en grande dimension. Partant du théorème de Gauss-Minkowski qui établit la correspondance entre mesures de probabilité sur la sphère et corps convexes, nous présentons deux algorithmes permettant de reconstruire, avec la donnée de vecteurs sommant à 0, le polytope dont chaque face a pour normale un de ces vecteurs et dont l'aire de la face est la norme du vecteur.Amphi LaBRI
novembre
-
10:3012:00
Recent advancements have positioned Large Language Models (LLMs) as transformative tools for scientific research, capable of addressing complex tasks that require reasoning, problem-solving, and decision-making. Their exceptional capabilities suggest their potential as scientific research assistants, but also highlight the need for holistic, rigorous, and domain-specific evaluation to assess effectiveness in real-world scientific applications.
First, this talk motivates and describes the current effort at Argonne National Laboratory to develop a multifaceted methodology for evaluating AI models as scientific Research Assistants (EAIRA). This methodology incorporates four primary classes of evaluations: 1) Multiple Choice Questions to assess factual recall; 2) Open Response to evaluate advanced reasoning and problem-solving skills; 3) Lab-Style Experiments involving detailed analysis of capabilities as research assistants in controlled environments; and 4) Field-Style Experiments to capture researcher-LLM interactions at scale in a wide range of scientific domains and applications. For each of these four classes of evaluation, we develop testing methods (e.g., benchmarks) and tools for manual and automatic QA generation and validation, as well as for collecting and analyzing researcher-LLM interactions.
We will present a selection of tools and generated benchmarks, as well as the early analysis of the largest Field-Style Experiments to date (the 1,000 Scientists AI JAM). These complementary methods enable a comprehensive analysis of LLM strengths and weaknesses with respect to their scientific knowledge, reasoning abilities, and adaptability. Although developed within a subset of scientific domains, the methodology is designed to be generalizable to a wide range of scientific domains.
Cappello received his Ph.D. from the University of Paris XI and joined CNRS (as CR) in 1994. In 2003, he joined INRIA (as DR). He initiated the Grid’5000 project in 2003 and served as its Director (https://www.grid5000.fr) from 2003 to 2008. In 2009, he established the JLESC with Marc Snir. In 2016, Cappello became the director of two Exascale Computing Project (ECP: https://www.exascaleproject.org/) software projects related to resilience (VeloC) and lossy compression of scientific data (SZ) that help Exascale applications run efficiently on Exascale systems. Cappello is now focusing on establishing a methodology to evaluate the knowledge and skills of LLMs used as research assistants. He is an IEEE Fellow, the recipient of the 2024 IEEE CS Charles Babbage Award, the 2024 Europar Achievement Award, the 2022 HPDC Achievement Award, two R&D100 awards (2019 and 2021), the 2018 IEEE TCPP Outstanding Service Award, and the 2021 IEEE Transactions of Computer Award for Editorial Service and Excellence.
EnglishAmphi LaBRI -
15:5915:59
François Rivet (Bx-INP, IMS) donnera un séminaire, le 6 novembre 2025 de 12h45 à 13h45, amphi du LaBRI.
L’intitulé du séminaire : « Connecting Human and Artificial Intelligences: How engineering and science shape the future of communications » (english if asked).
Amphi LaBRI