Le programme a pour but d’étudier les fondements des modèles d’apprentissage automatique pilotés par les données, leurs propriétés, ainsi que les interactions entre les modèles pilotés par les données et les modèles analytiques, par exemple pour la simulation efficace de processus physiques complexes.

Les sujets abordés comprennent la robustesse, l’optimisation, la vérification des garanties de performance, la proposition d’une approche IA hybride pour l’accélération de la simulation de modèles physiques, et la conception et la validation d’architectures certifiables de systèmes autonomes critiques (par exemple dans le domaine aéronautique).

En particulier, ces sujets de recherche sont traités en partie dans le cadre du projet de recherche collaborative DEEL (DEpendable Explainable Learning) associant des partenaires d’ANITI, qui est mené en collaboration avec des partenaires canadiens : IVADO (The Institute for Data Valorization) et CRIAQ (Consortium pour la recherche et l’innovation en aérospatiale au Québec), dans le but de développer des briques technologiques permettant la mise en œuvre de systèmes critiques d’IA fiables, robustes, explicables et certifiables.


Coordination

Serge Gratton
Grégory Flandin

Porteurs de chaires

Jérôme Bolte
Daniel Delahaye
Jean-Bernard Lasserre
Claire Pagetti
Jean-Michel Loubes
Jérôme Renault
Joao Marques Silva
Serge Gratton

Ne manquez rien !

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

Nous n’envoyons pas de messages indésirables !

fr_FRFrench