Deep Bayesian Learning pour la cosmologie et les ondes gravitationnelles

PCCP Workshop Series.  https://indico.in2p3.fr/event/19458/

L’apprentissage automatique suscite beaucoup d’intérêt dans les domaines de la cosmologie et de l’astronomie des ondes gravitationnelles et peut potentiellement conduire à des percées majeures. Son adoption par la communauté scientifique augmente de façon spectaculaire, mais il n’appartient pas encore à la boîte à outils des algorithmes «prêts à l’emploi». L’une des raisons est que l’estimation d’incertitude intégrée, qui est au cœur de l’évaluation de toute mesure et analyse scientifique, n’est pas encore courante dans les modèles d’apprentissage automatique.

Une telle limitation est sur le point d’être surmontée par l’émergence de modèles et d’algorithmes probabilistes d’apprentissage automatique. Parmi eux, des modèles récents appelés réseaux de neurones bayésiens, qui combinent apprentissage automatique et statistiques bayésiennes, utilisent de nouvelles architectures de réseaux de neurones (profonds) pour permettre l’inférence bayésienne, et ont reçu une grande attention de la communauté de l’intelligence artificielle au cours des dernières années.

Cet atelier donnera aux participants l’occasion d’en apprendre davantage sur ces méthodes émergentes et comment les utiliser et les exploiter dans leurs recherches. Le programme de l’atelier comprend des conférences invitées et des didacticiels de grands experts en informatique et une session de discussion et d’affiches visant à partager l’expérience entre physiciens sur les applications pratiques de l’apprentissage automatique.

L’atelier est destiné aux chercheurs et aux étudiants qui sont familiers avec l’apprentissage automatique, utilisent ce type d’algorithmes pour leur propre travail et veulent en savoir plus sur les techniques avancées liées à l’apprentissage profond bayésien.

du 4 mars 14:00 au 6 mars 17:00