Sites Inria

English version

Equipe de recherche SIMSMART

SIMulation pARTiculaire de Modèles Stochastiques

  • Responsable : Mathias Rousset
  • Type : équipe
  • Centre(s) de recherche : Rennes
  • Domaine : Mathématiques appliquées, calcul et simulation
  • Thème : Approches stochastiques
  • Les "équipes" Inria sont en général des groupes de chercheurs engagés dans la définition d'un projet et d'objectifs partagés, qui donneront lieu à la création d'une équipe-projet. Les équipes-projets ainsi créées peuvent être commune avec des partenaires (universités ou organismes de recherche)

Présentation de l'équipe

  SIMSMART est une équipe de recherche en statistique et probabilités numériques, dédiée à l'étude mathématique des algorithmes de Monte Carlo.

  Notre principal objectif applicatif concerne la simulation et l'inférence statistique des systèmes dynamiques aléatoires complexes; en particulier les systèmes issus de la météorologie et de la physique à l'échelle moléculaire.

  En utilisant un niveau approprié d'abstraction mathématique et de généralisation, SIMSMART vise à fournir des réponses profondes aux défis méthodologiques liés à la réduction de la complexité calculatoire, à la réduction de variance statistique, et à la quantification des incertitudes.

  Ces défis surviennent dans un contexte où la puissance de calcul numérique encourage les scientifiques à simuler les caractéristiques les plus détaillées de la réalité physique, en s'appuyant sur des modèles, des ensembles de données, et des algorithmes (stochastiques) de plus en plus lourds, peu transparents et coûteux.

Axes de recherche

Les principaux sujets de recherche de SIMSMART sont les suivants:

- Méthodes particulaires et simulation d'événements rares.

- Filtrage particulaire avancé et assimilation de données (inférence non-paramétrique, grande dimension).

- Réduction de modèle et parcimonie.

  
La simulation d'événements rares est omniprésente, soit pour accélérer l'apparition de
phénomènes physiquement significatifs, lents ou rares, soit pour estimer le risque associé à des variables incertaines.

  
La taille croissante des données d'observation enregistrées, et la complexité croissante des modèles suggèrent également de consacrer plus d'efforts aux méthodes de Monte Carlo avancées pour le filtrage et l'assimilation de données. Dans ce contexte, la gestion des non-linéarités, des modèles en grande dimension, et de l'inférence non-paramétrique sont des défis ouverts actuels.

  Enfin, l
a nécessité de simuler et de comparer des systèmes dynamiques coûteux et fortement observés, par exemple, en fonction de paramètres incertains, motive l'étude de méthodes de construction de modèles d'ordre réduit pertinents.

 
L'une des principales classes d'algorithmes  étudiés par SIMSMART (qui concerne les trois thèmes ci-dessus) est celle des «méthodes de Monte Carlo particulaires». Dans de telles méthodes, plusieurs copies - ou particules - du système physique aléatoire en jeu sont simulées, tout en étant divisées ou tuées selon certaines règles d'importance, par exemple sur la base des observations réelles et de leur vraisemblance associée (filtrage), ou d'une fonction de score (simulation d'événements rares).

Relations industrielles et internationales

CEA/IRSN - Ifremer - French/Argentinian Climate Institute

Naval Group - Scalian Alyotech - EUMETSAT

Mots-clés : Méthodes de Monte Carlo - Systèmes de particules en interaction - Simulation d'évènements rares - Filtrage statistique - Réduction de modèle - Météorologie - Physique numérique à l'échelle nanométrique.

Suivez Inria tout au long de son 50e anniversaire et au-delà !