Menu
Version jpg (0.5 Mo) de l’affiche des Leçons Jacques-Louis Lions 2024 d’Alfio Quarteroni
Version pdf (11.6 Mo) de l’affiche des Leçons Jacques-Louis Lions 2024 d’Alfio Quarteroni
Version pdf du programme des Leçons Jacques-Louis Lions 2024 d’Alfio Quarteroni
Diaporama I du mini-cours des Leçons Jacques-Louis Lions 2024 d’Alfio Quarteroni : I Introduction — 5.8 Mo
Diaporama II.1 du mini-cours des Leçons Jacques-Louis Lions 2024 d’Alfio Quarteroni : II.1 Digital models 1 — 14.2 Mo
Diaporama II.2 du mini-cours des Leçons Jacques-Louis Lions 2024 d’Alfio Quarteroni : II.2 Digital models 2 — 12.2 Mo
Diaporama III du mini-cours des Leçons Jacques-Louis Lions 2024 d’Alfio Quarteroni : III Machine Learning — 7.1 Mo
Diaporama IV du mini-cours des Leçons Jacques-Louis Lions 2024 d’Alfio Quarteroni : IV Scientific Machine Learning — 7.2 Mo
Diaporama du colloquium des Leçons Jacques-Louis Lions 2024 d’Alfio Quarteroni 18 octobre 2024 — 11.4 Mo
Leçons Jacques-Louis Lions 2024 donnéees par Alfio Quarteroni du 15 au 18 octobre 2024
La neuvième édition des Leçons Jacques-Louis Lions a eu lieu du 15 au 18 octobre 2024.
Données par Alfio Quarteroni (Université Polytechnique de Milan (Polimi) et Ecole Polytechnique Fédérale de Lausanne (EPFL)), les Leçons Jacques-Louis Lions 2024 ont consisté en :
— un mini-cours intitulé
From problem setting to problem solving via scientific machine learning
3 séances, les mardi 15, mercredi 16 et jeudi 17 octobre 2024 de 11h à 12h30,
— et un colloquium intitulé
The pulse of Math
le vendredi 18 octobre 2024 de 14h à 15h.
Le mini-cours et le colloquium ont eu lieu :
Laboratoire Jacques-Louis Lions,
Sorbonne Université, 4 place Jussieu, Paris 5ème,
salle du séminaire 15-16 309, barre 15-16, 3ème étage.
Les exposés ont été donnés en présence et ont été retransmis en temps réel par Zoom.
Résumé du mini-cours
From problem setting to problem solving via scientific machine learning
Setting a problem is a crucial step that precedes problem-solving, requiring the careful crafting of the correct problem statement. The significance of this step is evident, as a poorly defined problem makes the search for appropriate tools and techniques not only difficult but often unproductive.
The shift from identifying the problem to solving it is essential within the broader scope of knowledge creation. Despite significant advancements in Artificial Intelligence technologies, their effectiveness is still largely grounded in human intelligence. Scientific machine learning (SciML), which blends data-driven algorithms with physics-based digital models, offers an ideal framework for harmonizing problem definition and problem resolution, underpinned by deep domain expertise.
This mini-course will explore these ideas, covering physics-based models, machine-learning (ML) algorithms, and their combination, both in general terms and through the specific example of developing a mathematical heart simulator to thoroughly understand the cardiac function. The advantages and disadvantages of physics-based and ML approaches will be analyzed, and we will highlight many successful examples in the SciML context where the two approaches are combined in a virtuous manner.
Résumé du colloquium
The pulse of Math
Computational medicine represents a formidable generator of mathematical problems and numerical methods that enable a deeper understanding of human physiology and provide crucial support to physicians for more accurate diagnoses, optimized therapies, and patient-specific surgical interventions.
The inherent difficulties associated with the multiphysics and multiscale nature of the problems at hand, data uncertainty, inter- and intra-patient variability, and the curse of dimensionality, can be overcome thanks to the development of accurate, physics-based models empowered with data-driven artificial intelligence algorithms.
In this presentation, we will show how the iHEART simulator, an integrated model of the human heart function, enables us to achieve these objectives, and discuss some future developments.
Adresse de la page web des Leçons Jacques-Louis Lions 2024 données par Alfio Quarteroni du 15 au 18 octobre 2024 :
https://www.ljll.fr/lecons-jacques-louis-lions-2024-alfio-quarteroni
Lien vers la page de toutes les Leçons Jacques-Louis Lions
(Cliquer sur « Evènements précédents » en bas de la page pour voir les 8 éditions précédentes)