Recherches exploratoires 2023

11 projets de recherche exploratoire seront menés en 2023 :

Projet	Descriptif
Explorative design of feeder services for regional express transport Sebastian Hörl, Tarek Chouaki, Tjark Gall	Les outils classiques de planification des transports se concentrent sur les grands flux entre les territories. Ils sont actuellement en train d’être remplacés par des analyses plus dynamiques prenant en compte des itinéraires individuels et des besoins quotidiens de la population. Dans les années à venir, les collectivités et les autorités chargées des transports pourront choisir parmi un éventail de solutions de mobilité. Le spectre s’étend des solutions à horaires fixes comme les bus classiques, à des itinéraires flexibles à certaines heures de la journée, voire des offres directes de porte-à-porte. Le projet de recherche exploratoire utilisera les simulations de transport multiagents de l’IRT SystemX afin d’évaluer les meilleures façons de connecter les nouvelles infrastructures ferroviaires à grande capacité (comme le Grand Paris Express) avec les territoires environnants. Le projet comparera des lignes de bus classiques et les nouveaux services à la demande afin de comprendre les avantages et les défis de chaque mode en fonction du contexte local.
Quantification et amélioration de la résilience des infrastructures critiques. Romain Dagnas, Reda Yaich Laboratoire partenaire : SAMOVAR – TSP, Carleton University (Ottawa)	De nos jours, les infrastructures critiques, i.e., les centrales nucléaires, les stations de distribution électrique, les stations pétrolières, les réseaux de chemin de fer, etc., deviennent de plus en plus connectées, et donc, de plus en plus exposées, et sujettes aux cyber-attaques. La résilience des systèmes cyber-physiques est un aspect fondamental de la cyber-sécurité à prendre en compte pour la protection des infrastructures critiques. Des attaques perpétrées à l’encontre de ces infrastructures peuvent conduire à d’importantes pertes, il est donc vital de les protéger. La cyber-résilience fait référence à la capacité d’un système à résister, à absorber une attaque, et à apprendre de ladite attaque, afin de continuer à délivrer un certain niveau de services, même en présence d’une attaque.Les grands défis de la résilience appliquée aux infrastructures critiques consistent à établir des métriques qui puissent, de manière précise, quantifier la résilience d’un système donné. Les infrastructures critiques étant des systèmes complexes, il est difficile de les modéliser dans leur ensemble afin de les étudier. L’objectif de cette recherche exploratoire est donc d’établir des contremesures de résilience qui permettent aux infrastructures critiques de continuer à fonctionner, même en cas d’attaque, et également de concevoir des métriques qui puissent être appliquées à différentes architectures.
Raffinement de maillage adaptatif pour l’optimisation topologique et couplage avec des méthodes d’apprentissages basées sur les graphes David Danan, Chiara Nardoni, Milad Leyli-Abadi Laboratoires partenaires : Politecnico di milano, Inria Bordeaux	L’optimisation topologique est une discipline et méthodologie que l’on retrouve à la fois dans les milieux académiques et industriels, continuant ainsi de faire l’objet de nombreux travaux de recherche. Une telle technique vise à améliorer la forme d’une pièce, conformément à un cahier des charges donné, pour éventuellement permettre a minima une économie substantielle en matériaux lors des premières phases de développement. Le problème, de par sa nature intrinsèquement itérative, requiert de recourir à de nombreuses simulations numériques coûteuses effectuées sur des maillages 3D. Cette problématique est toutefois à mettre en parallèle avec un besoin de précision allant de pair avec la pertinence de la forme finale proposée ; un compromis est donc nécessaire. Dans ce contexte, ce projet de recherche comporte deux volets. Le premier s’inscrit dans la continuité de travaux déjà menés. Il vise à éprouver des méthodes de raffinement de maillage adaptatif existantes, passant par la construction de métriques décrivant le niveau de raffinement local requis. Dans un deuxième temps, nous nous intéresserons à l’utilisation de maillages dans une routine d’apprentissage. La démarche aurait pour vocation d’apprendre uniquement la construction de métriques à partir des résultats d’une évaluation physique, afin de diminuer le temps de calcul de la métrique en question. Il s’agit également d’adresser des verrous spécifiques à l’optimisation topologique avec remaillage liés au transport efficace des métriques au cours d’une même itération.
Prototypage d’un solveur éléments finis spectraux en utilisant l’hybridation de l’algorithme quantique Chetra Mang, Axel TahmasebiMoradi, David Danan Laboratoires partenaires :LMF, startup : Colobrith	Cette recherche exploratoire s’est intéressée à l’hybridation d’un algorithme quantique avec la méthode classique pour la résolution de l’EDP par la méthode éléments finis. Dans le cadre du projet, une brique technologique « Quantum Finite Element Method (QuFEM) » correspondante sera développée. Un algorithme quantique « HHL » pour l’inversion de la matrice sera investigué et comparé avec des algorithmes classiques pour la résolution d’un système linéaire. Etape par étape de la méthode éléments finis sera intégrée dans la brique développée. Ensuite, les études sur la performance en termes du temps de calcul et de la précision seront réalisées. Le problème spécifique à résoudre dans ce projet est l’EDP du problème élastique linéaire en 2D. Ce projet est construit dans la perspective de développer un framework R&D pour la recherche en algorithme quantique en tant qu’un simulateur.
Influence of vaccination status, type and sequence on the risk and course of Long COVID. A statistical analysis using data-driven techniques Jean-Patrick Brunet, Milad Leyli-Abadi, Axel TahmasebiMoradi Laboratoire partenaire : University Medical Center Groningen	Cette recherche exploratoire a pour objectif de répondre à la question suivante : « Est ce que le statut vaccinal, le type de vaccin ou la séquence de vaccination influencent le risque et l’évolution du COVID long ? ». Le statut vaccinal est un élément complexe à analyser qui est décrit de façon relativement simplifiée dans l’état de l’art, principalement comme une variable binaire. Cependant le statut et la séquence vaccinale sont relativement fluides dans leurs manifestation, dépendant de la temporalité des injections, du type de vecteur, du type et de la temporalité des rappels et de l’apparition d’infection (notamment par des variants du sars-cov-2). Un statut binaire parait limité et une approche plus complète devrait être considérée. Pour prendre en compte cette complexité et répondre à la question précédente, l’utilisation des méthodes orientées données (data driven) sont envisagées.
Semantic FAIR assessment landscape analysis and tools evaluation: an application use case in industry 4.0 Emna Amdouni, Maroua Meddeb Laboratoires partenaires : LIRMM, ENIT-INP Toulouse, University of Nantes, UPM, Madrid, STI Innsbruck	In this project, our aim is to harmonise the use of the FAIR (Findable, Accessible, Interoperable, Reusable) practices and tools for ontologies through collaboration with key tool/guideline developers, including O’FAIRe, FOOPS!, FAIR-Checker, and FAIRsFAIR. We conduct a comparative analysis of existing methodologies and tools, evaluating the relationship between domain ontologies in industries such as manufacturing, materials, IoT, etc. and the FAIR principles, and developing and implementing a federated web service for semantic FAIR assessment. By doing so, we aim to increase the adoption of ontologies, bridge the gap between technical FAIR implementation and end-users, expand FAIR solutions for ontologies, and enhance public trust and reproducibility in science.
Compromis entre précision et couverture d’un système de recommandation en cas de données limitées et hétérogènes Henri Sohier, Romain Barbedienne, Sara Yasmine Ouerk Laboratoire partenaire :University of Bolzano
Analyse de données topologique, couverture de l’IA Faouzi Adjed, Martin Royer Laboratoire partenaire : Inria Datashape	De nos jours, l’expansion des méthodes de deep learning est phénoménale. Cependant, ces méthodes présentent des difficultés d’interprétation et d’explication des résultats obtenus malgré leurs bonnes performances. En plus, il est encore plus difficile d’évaluer la couverture d’un domaine donné. Ce projet s’inscrit dans cette thématique de la couverture des modèle deep learning via l’exploration de la théorie topologique des données. Ceci a pour objectif de proposer des métriques pertinentes pour l’évaluation de la couverture. En plus, ce projet pourra également participer à répondre à un besoin identifier les zones connues avec une bonne confiance de décision et les zones inconnues où la confiance de la décision serait moindre. Au cours de l’année 2023, les objectifs du projet se focaliseront sur deux volets, un volet théorique qui permettra de proposer des métriques de couverture appliquées sur données de grandes dimensions et un deuxième qui visera l’implémentation en utilisant des librairies d’analyse topologique telle que Gudhi.
Robustification par Purification via Modèles à Diffusion Martin Gonzalez, Elies Gherbi Laboratoire partenaire : Université de Tübingen, Université de New York à Abu Dhabi	Les modèles probabilistes de diffusions ont reçu dernièrement une très grande attention par la communauté ML. Ces modèles génératifs créent du contenu en deux temps: d’abord un processus fixe transforme continument ce contenu en bruit Gaussien puis un réseau de neurones profond apprends a faire le chemin en arrière pour générer du contenu à partir d’un tel bruit. Ainsi, ils sont utilisés pour générer des images, de l’audio, du vidéo et bien plus encore. Ce qui est moins connu de ces modèles est qu’ils sont particulièrement bien adaptés à des taches liées à la robustesse et l’explicabilité en ML. Ce projet exploratoire fera ainsi un tour d’horizon des possibilités que ces modèles offrent pour une IA de confiance et, en plus concrètement, explorera les 4 approches suivants: purification des entrées en temps de test, augmentations des données d’entrainement par génération synthétique d’échantillons, explications contre-factuelles et watermarking.
HOL-Cyber – Approche formelle pour la modélisation et le calcul de propriétés de systèmes cyber-physiques Paolo Crisafulli, Artur Rataj, Mohamed Tlig Laboratoire partenaire : TU Braunschweig, Université d’York , CNAM , Telecom Sud-Paris	L’objectif de cette recherche exploratoire est de poursuivre l’élaboration de l’environnement de preuve de propriétés de systèmes cyber-physiques HOL-CyberPhy. Fondé sur l’assistant de preuve Isabelle/HOL, il a permis des études de cas appliquées dans le domaine des véhicules autonomes ainsi que des cas d’école typiques des systèmes hybrides (balle rebondissante, oscillateur harmonique). Il s’agit maintenant d’accroître la portée de cet environnement, en étudiant en particulier les nouveaux axes de recherche suivants : – formulations de la cinématique sous formes explicite (formules de trajectoires en fonction du temps absolu) et implicite (système d’équations différentielles sans solution analytique) ; – étude approfondie de la bibliothèque HOL-Analysis : capacités de preuve en cas de trajectoires à base de fonctions transcendantes ; – génération de code correspondant au problème hybride : preuve d’existence de solution et générateur de traces d’exécution ; – preuves d’atteignabilité pour des pavages par zonotopes ; – pertinence des jeux hybrides.
Apport d’une syntaxe graphique à un langage de modélisation dédié à la synthèse d’architectures systèmes basée modèles (MBSS) Stephen Creff Laboratoire partenaire : ISAE-SUPMECA	Le projet exploratoire s’intéresse à définir une approche outillée, en phase amont de conception (conceptualisation de l’architecture), qui vise à produire des alternatives d’architectures admissibles. La démarche est de caractériser l’espace du problème d’ingénierie et, par une approche de synthèse, de produire les solutions appropriées (architectures candidates) qui répondent aux préoccupations des parties prenantes, atteignent les objectifs de l’architecture, et satisfont aux exigences. Dans ce cadre méthodologique et technique outillé (le Model-Based Systems Synthesis – MBSS), le projet exploratoire cible plus particulièrement l’identification de traits de langage permettant de représenter en intension un ensemble de possibilités d’architectures systèmes (couplé à une logique de raisonnement de type résolution par contraintes). Dans la continuité du projet de 2022, ce projet vise à i) continuer explorer des facilités du langage orientées utilisateur, et, principalement, ii) expérimenter, sur la base du langage DEPS (DEsign Problem Specification), l’apport de la syntaxe graphique (diagrammatique) pour l’expression ou la représentation des différents problèmes de conception en ingénierie système.