SCALES

Le contexte

Dans la nature, un grand nombre de systèmes présentent des structures et des comportements non-linéaires et multi-échelle. Ces systèmes sont considérés comme des systèmes complexes. Dû à ces propriétés, les modèles qui cherchent à décrire ou prédire le comportement des systèmes complexes ont besoin de prendre en compte des statistiques d’ordre élevées dans un domaine étendu d’échelles.

Je propose le développement d'une description statistique des interactions multi-échelles basée sur la théorie de l’information (TI), laquelle peut être reliée à la complexité et donc à la structure de ces systèmes. Je propose aussi la combinaison de cette caractérisation statistique avec l’intelligence artificielle (IA) pour développer des modèles basés-apprentissage multi-échelle adaptés aux systèmes complexes. Comme cas d’étude, je me focalise sur la caractérisation et la modélisation des dynamiques de surface océanique, où la non-linéarité et des phénomènes multi-échelles sont présents.

Les objectifs

Le projet SCALES présente trois objectifs principaux. En premier lieu, le développement d’une description statistique des couplages et interactions entre échelles basée sur la Théorie de l'Information (TI). En deuxième lieu, la  formulation de modèles multi-échelle de Deep Learning (DL) basés sur le cadre de la TI développé dans le premier objectif. Finalement, le troisième objectif de SCALES est la combinaison de la TI et l’IA pour étudier la turbulence des fluides et les écoulements océaniques.