Methodological and theoretical advances in Physics-Informed Machine Learning

FR EN

A propos

Récemment, les approches d’apprentissage dites physics-informed (PIML) ont connu un fort succès dans de nombreux domaines allant de la physique aux sciences du vivant et de l’environnement. Ces méthodologies permettent d’hybrider la connaissance physique du domaine et les données réelles dans le but de résoudre une variété de problèmes. Cette journée de colloque nationale ambitionne de réunir les différentes communautés travaillant sur les approches ML informées par la physique. Le programme s'articulera autour de 4 grand thèmes :

les aspects statistiques
les problèmes inverses
les neurals operators
modélisation & analyse numérique

Où & quand ?

La journée aura lieu le mercredi 15 avril 2026, sur le campus d'AgroParisTech à Palaiseau, Amphi A0.04. Voir la page "Venir à AgroParisTech" pour plus de détails sur comment y accéder.

Qui peut participer ?

La journée est ouverte à toutes et tous, dans la limite des places disponibles. L'inscription est gratuite, mais obligatoire, avant le 31 mars 2026. Nous encourageons vivement la participation des différentes communautés autour du PIML : machine learning, statistiques, modélisation/EDP, physique, etc.

Programme

Le colloque dure de 9h à 17h + une session poster de 17h à 18h (ici pour soumettre un poster).

Les exposant·e·s sont :

Claire Boyer (Université Paris-Saclay)
Clémentine Courtès (Université de Strasbourg)
Lucas Drumetz (IMT Atlantique)
Lise Le Boudec (Sorbonne Université)
Jordan Patracone (Télécom Saint-Etienne)
Arnaud Vadeboncoeur (University of Cambridge)

Cliquez ici pour le programme détaillé de la journée.

Un tutoriel introductif au PIML aura lieu le jour d'avant, mardi 14 avril, de 14h à 17h30 à AgroParisTech.

Vie privée | Accessibilité