Quatre lauréats de bourses ERC Consolidator

Camille Duprat (Laboratoire d’hydrodynamique), Roland Rathelot (Centre de recherche en économie et statistique), Balt Van Rees (Centre de physique théorique) et Maks Ovsjanikov (Laboratoire d’informatique) portent des projets financés par le Conseil européen de la recherche.
31 jan. 2023
Recherche, CPHT, CREST, LadHyX, LIX

ElCapiTex – Comprendre et modéliser le comportement des textiles mouillés

Les milieux fibreux, et en particulier les matériaux à base de fibres naturelles comme le papier, pourraient constituer une alternative durable aux plastiques issus du pétrole. Cependant, leur tenue aux liquides, à l'eau notamment, contraint leur processus de fabrication et leur utilisation à grande échelle. L'objectif d'ElCapiTex, mené par Camille Duprat au Laboratoire d'hydrodynamique (LadHyX*), est de comprendre comment les propriétés d'un matériau semblable au papier sont modifiées lorsqu'il est mouillé, et comment ajuster ces effets pour construire des matériaux aux caractéristiques contrôlées. Il unifiera trois domaines de recherche distincts : l'hydrodynamique des suspensions d'objets souples, la caractérisation mécanique des matériaux fibreux et le mouillage et le gonflement des matériaux mous. Des modèles tant expérimentaux que théoriques seront développés pour aboutir à une compréhension globale de ces matériaux.

*LadHyX : une unité mixte de recherche CNRS, École polytechnique - Institut Polytechnique de Paris

INASHI - Les frictions informationnelles dans les décisions d'embauche

De nombreux pays connaissent à la fois des taux de chômage élevés des offres d’emploi non-pourvues. Les frictions informationnelles sont l’une des sources possibles de ce double problème. D’une part, les demandeurs d’emploi peuvent manquer d’informations sur le fonctionnement du marché du travail ou sur la manière dont leurs compétences sont évaluées. D’autre part, les employeurs peuvent avoir du mal à évaluer le profil des candidats. Pour caractériser les frictions informationnelles et leurs causes, Roland Rathelot, professeur à l’ENSAE Paris, chercheur au Centre de recherche en économie et statistique (CREST*) et chercheur associé Hi! PARIS mènera le projet INASHI**. Il évaluera également ses conséquences et proposera des solutions potentielles. Roland Rathelot et ses co-auteurs combineront l’utilisation de sources de données administratives et d’expériences randomisées dans trois pays européens : l'Autriche, la France et la Suède.

*CREST : une unité mixte de recherche CNRS, École polytechnique - Institut Polytechnique de Paris, ENSAE Paris - Institut Polytechnique de Paris, GENES

** GENES est l'institution qui héberge le projet

VEGA – Un apprentissage par transfert universel pour les données 3D

La reconnaissance d'images ou de la parole, entre autres, a été révolutionnée par l'utilisation de techniques basées sur l'analyse des données. Un élément essentiel de ce succès est l'apprentissage par transfert, c'est-à-dire la capacité d'exploiter dans d'autres contextes des informations apprises pour une tâche. A l’heure actuelle, l'apprentissage par transfert est ardu pour les données géométriques en 3D, bien qu’elles soient générées dans de nombreuses disciplines scientifiques, notamment l'imagerie biomédicale, l'archéologie ou la métrologie industrielle. Élaboré par Maks Ovsjanikov au Laboratoire d'informatique de l'École Polytechnique (LIX*), le projet VEGA tentera de résoudre ce problème. Son défi est de créer un nouveau paradigme pour l'analyse des données géométriques, qui permettrait de transférer et d'adapter facilement les solutions à différents problèmes et types de données. Cela pourrait ouvrir la porte à de nouvelles applications, comme le suivi des systèmes biologiques dynamiques, ainsi qu’à l’amélioration les méthodes d'apprentissage profond 3D, même en présence de données d'entraînement limitées.

*LIX : une unité mixte de recherche CNRS, École polytechnique - Institut Polytechnique de Paris

QFTinADS – Mieux comprendre les théories quantiques de champs

Les théories quantiques des champs (QFT en anglais) sont omniprésentes dans la physique théorique moderne. Elles sont utilisées pour décrire avec précision des phénomènes allant des expériences menées avec des accélérateurs à la cosmologie, ou même pour tenter de comprendre la gravité quantique. Néanmoins, un cadre mathématique approprié pour décrire ces théories fait toujours défaut. Cela freine notamment la compréhension des systèmes où les particules sont fortement couplées. Dans son projet QFTinADS, Balt Van Rees (Centre de physique théorique, CPHT*) entend pousser plus loin une stratégie appelée "bootstrap", qui vise à mieux comprendre les théories quantiques des champs en utilisant des conditions de cohérence très générales. Cette stratégie a récemment permis des progrès remarquables. Le projet tentera d'étendre cette stratégie avec plusieurs angles d'attaque et devrait permettre d'obtenir de nouvelles prédictions quantitatives pour une grande variété de systèmes physiques.

*CPHT : une unité mixte de recherche CNRS, École polytechnique - Institut Polytechnique de Paris

Retour