Chair objectives

Au cours des dernières décennies, la quantification des incertitudes s’est avérée très efficace pour analyser les systèmes physiques, dans des domaines tels que l’aéronautique, le spatial et l’énergie.

Plus récemment, il a également été démontré que les méthodes de quantification des incertitudes peuvent être transférées avantageusement des applications physiques aux systèmes d’intelligence artificielle (IA) en particulier pour l’analyse de l’explicabilité et de la fairness.

Principal investigator

La chaire UQPhysAI améliorera la compréhension fondamentale et développera des algorithmes robustes et largement applicables pour deux pierres angulaires de la quantification des incertitudes : l’analyse de sensibilité et l’apprentissage actif avec des modèles bayésiens.

En ce qui concerne l’analyse de sensibilité, l’accent sera mis sur l’analyse causale, la grande dimension et la complexité des entrées et sorties.

En ce qui concerne les modèles bayésiens et l’apprentissage actif, la chaire se concentrera sur les environnements imbriqués et couplés, et sur l’exploitation de techniques nouvelles et plus diverses de quantification des incertitudes.

Les développements méthodologiques seront alimentés par et appliqués à des problèmes et des données réalistes pour les systèmes physiques et d’intelligence artificielle, en collaboration avec des partenaires industriels : ONERA, Airbus, Liebherr et Vitesco.

Co-chair

Participants

Ne manquez rien !

Inscrivez-vous pour recevoir l'actualité d'ANITI chaque mois.

Nous n’envoyons pas de messages indésirables !

en_GBEnglish