- Accueil
- Actualités
- Toutes Les Actualités
- Deux Titulaires de La Chaire Marjoulet Lauréats D’une Bourse ERC Consolidator
Deux titulaires de la chaire Marjoulet lauréats d’une bourse ERC Consolidator
![Deux titulaires de la chaire Marjoulet lauréats d’une bourse ERC Consolidator](/fondation/sites/fondation/files/styles/contenu_detail/public/content/actualites/images/2023-02/CDMO1920.jpg?h=4657c5a0&itok=TEYdodFG)
ElCapiTex : comprendre et modéliser le comportement des textiles mouillés
Enseignante-chercheuse au Laboratoire d’hydrodynamique (LadHyX : CNRS, École polytechnique - Institut Polytechnique de Paris) et titulaire de la chaire Jean Marjoulet depuis 2017, Camille Duprat consacre ses recherches aux tissus innovants et à leurs interactions avec les liquides.
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 du projet ElCapiTex, mené par Camille Duprat au 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.
VEGA : un apprentissage par transfert universel pour les données 3D
Titulaire de la chaire professorale Jean Marjoulet de 2014 à 2017, Maks Ovsjanikov mène des recherches principalement liées à l'analyse géométrique (3D) des formes, en mettant l'accent sur l'apprentissage profond pour la comparaison et le traitement des formes non rigides.
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. À 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 (CNRS, École polytechnique - Institut Polytechnique de Paris), 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.
* Créé par l'Union européenne en 2007, le Conseil européen de la recherche est le premier organisme européen de financement de la recherche exploratoire d'excellence. Il finance des chercheurs créatifs de toute nationalité et de tout âge, pour mener des projets dans toute l'Europe.