Date de l'évènement
22 mai 2024

 

Modèles génératifs en intelligence artificielle : Théorie, apprentissage et applications environnementales 

Les transparents des présentations sont accessibles via les liens fournis dans le programme en bas.

La Chaire Geolearning et le réseau RESSTE organisent une journée scientifique sur la thématique des progrès méthodologiques récents pour les modèles génératifs (GANs, Denoising Diffusion Models...) et leur utilisation dans les domaines du climat, de l'environnement et plus généralement des géosciences, avec des interventions des experts des aspects théoriques, méthodologiques et appliqués.


Lieu : École des Mines Paris (60 Bd Saint-Michel ; RER/Métro Luxembourg) ; Amphi L109

Inscription : gratuite mais obligatoire en remplissant le petit formulaire sur le lien suivant : 
https://framaforms.org/inscription-a-la-journee-sur-les-modeles-generatifs-geolearning-resste-1710242973

 

9h15-9h55 Accueil-café

9h55-10h00 Ouverture de la journée

 

10h00-12h00 Introduction(s) aux modèles génératifs  
Modération : Denis Allard, Thomas Opitz

 

  • Francis Bach (SIERRA–Inria, ENS–PSL) 
    An alternative view of denoising diffusion models
    [Slides]

 

  • Gérard Biau (LPSM, Sorbonne Université) 
    A primer on Generative Adversarial Networks
    [Slides]

 

  • Pascal Yiou (LSCE, CEA) 
    A stochastic weather generator as an emulator for extreme climate events
    [Slides]

 

12h00-13h30 Buffet déjeuner sur place

 

13h30-14h30 Avancées méthodologiques et appliquées récentes 

Modération : Thomas Romary

 

  • Pierre Marion (EPFL)
    Modèles de diffusion pour la génération d'images : algorithmes et (un peu de) théorie
    [Slides]

 

  • Maxime Beauchamp (IMT Atlantique) 
    Lier Géostatistique SPDE & Assimilation de Données par l'apprentissage profond pour la génération de (grands) ensembles en Géosciences
    [Slides]

 

14h30-15h30 Exploration de nouvelles méthodes et implémentations (Partie I)
Modération : Liliane Bel

  • Ferdinand Bhavsar (Mines-Paris PSL)
    Categorical Denoising Diffusion Models using Markov Jump Processes
    [Slides]

 

  • David Métivier (MISTEA, INRAE) 
    Deep Learning for lake pollution forecast
    [Slides]

 

15h30-16h00 Pause-Café

 

16h00-17h00 Exploration de nouvelles méthodes et implémentations (Partie II)

Modération : Valérie Monbet

 

  • Lucia Clarotto, Hugo Gangloff (MIA Paris Saclay, AgroParisTech/INRAE)
    Physics-informed neural networks for Matérn-SPDEs: attempts and challenges
    [Slides]

 

  • Yuke Xie (Mines-Paris PSL)
    Deep Generative Models for Stochastic Geophysical Imaging and Uncertainty Quantification
    [Slides]

 

17h00-17h15 Conclusion de la journée