Description
Date depot: 1 janvier 1900
Titre: Exploration et apprentissage parallélisée de paramètres de la simulation multiagents haute performance de systèmes complexes pour l'aide a la décision environnementale
Directeur de thèse:
Jean-Daniel ZUCKER (UMMISCO)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
Les événements récents en matière d'épidémiologie (SRAS en 2003, grippe aviaire en 2004 ou grippe porcine en 2009), de catastrophe naturelle (tremblement de terre –Haïti, Chili, Chine–, tsunamis –Océan Indien 2004, France 2010, Japon 2011– inondations, etc), tempête d’insectes (nuée de criquet pèlerin), révèlent d’importants risques environnementaux. La propagation rapide du virus A-H1N1 (grippe porcine) illustre combien il est important de pouvoir anticiper les phénomènes épidémiologiques pour mieux les gérer lorsqu’ils surviennent. Dans ce contexte, de nombreux travaux menés notamment par l’OMS2, l’Institut Pasteur3 et l’Inserm4 dans le domaine de la « sécurité environnementale » tentent de comprendre l’émergence de ces phénomènes et leur propagation sur un territoire, afin de mieux gérer les situations de crise. Ces recherches consistent en des études mathématiques ou statistiques appliquées à des mesures de terrain obtenues via des réseaux de surveillance [Chauvin 2005]. Elles sont effectuées soit a priori pour la prévision, soit en temps réel pour le suivi des épidémies, soit a postériori pour la validation des modèles. Ces études constituent le cœur de recherche du laboratoire UMMISCO.
L’analyse exploratoire de ces modèles constitue un véritable verrou. Néanmoins, les enjeux scientifiques et de société sont de taille pour: d’une part la compréhension d’un système en situation de crise ; et d’autre part l’aide à la décision par l’identification de politiques de résolution adaptées à une catastrophe.
Analyse exploratoire en un temps restreint (voire record), est si grand qu’il est difficile d’envisager utiliser des approches traditionnelles. Pour cela nous envisageons d’utiliser une approche originale basée sur : (i) les techniques de calcul haute performance, (ii) les méthodes statistiques, (iii) et l’apprentissage.
Le premier travail de ce projet sera de faire un état de l'art couvrant les différentes approches d'exploration informées et non informées de l'espace de paramètres de modèles ainsi que la distribution des simulations afférentes. Dans un second temps il s'agira de concevoir ou d'étendre un langage de représentation permettant à un modélisateur d'exprimer d'une part les objectifs des simulations du modèle mais aussi des contraintes liées à celles-ci. Le second objectif consistera, à partir de l'analyse de quelques exemples de modèles conçus pour l'aide à la décision environnemental au Vietnam, d'envisager un algorithme d'exploration permettant simultanément d'optimiser un paramètre pour la décision et d'en mesurer la significativité. L'un des défauts reconnu des simulations à base d'agent est lié à la difficulté qu'il y a faire des inférences à partir de leurs résultats. Ce projet explorera tout particulièrement cette question en cherchant à identifier dans quelle mesure il est possible d'utiliser les résultats de l'exploration de modèles pour répondre à des questions liées à la capacité prédictive des modèles.
D'un point de vue concrêt, l'ambition de ce travail est de permettre l'utilisation des modèles complexes environnementaux multi-agents développés au sein d'UMMISCO en particulier pour l'analyse prédictive, notamment pour prédire de l'efficacité des procédures d'évacuation de foules dans le cadre d'un tsunami.
Doctorant.e: Ho The Nhan