Bandeau du Laboratoire d'Informatique & Systèmes (LIS)

Agenda depuis 2022

Consulter les archives

Seminaire : Séminaire CANA : Kevissen Sellapillay

31/05/2022 à 14h00

Orateur : Kevissen Sellapillay (LIS & CPT)
Salle : TPR2-04.05
Titre : Interaction graphs of isomorphic automata networks
Abstract : Entanglement is a quantum property with no classical counterpart. We briefly review entanglement, its definition and quantities to measure it. We then present a perturbation of a quantum cellular automaton based on rule 201 and study its entanglement propagation properties. This quantum cellular automaton breaks the Hilbert space into different ergodic sectors.

Seminaire : Séminaire du Pôle SD : Interprétabilité /Explicabilité des modèles d'apprentissage

09/05/2022 à 10h30

Le prochain séminaire du pôle se déroulera donc lundi prochain le 9 mai de 10h30 à 12h00 à St Charles (Frumam) et dont le thème est "Interprétabilité /Explicabilité des modèles d'apprentissage". Nous aurons le plaisir d'écouter trois présentations : Hanwei Zhang : Présentation générale des méthodes d'interprétabilité Felipe Torres : Méthodes dédiées à l'interprétabilité des images Hamed Benazha : Méthodes dédiées l'interprétabilité des séquences

Seminaire : Demi-journée pôle calcul - Complexité et Modèles de calculs

05/05/2022 à 10h00

Orateurs :
- Édouard Bonnet "Graph decompositions and their algorithms”
- Karoliina Lehtinen (LIS) "Un peu de non-déterminisme peut aller loin: un aperçu des automates déterministes en histoire"
Pour les abstracts, rendez-vous sur le site des demi-journées du pôle : https://demi-journees-pole-calcul.lis-lab.fr

Conference : Conférence par Hervé Glotin, suivie par l'écoute de deux oeuvres sonores composés par Maxence et Léonore Mercier

14/04/2022 à 16h00

Impossible de parler Acoustique à Marseille sans évoquer l'acoustique en milieu marin, qu'elle concerne la propagation des sons à travers les mers et les océans, les chants produits par une faune marine d'une extrême diversité ou encore - préoccupation beaucoup plus récente - de l'impact de l'activité maritime humaine sur cet écosystème si fragile. https://cfa2022.sciencesconf.org/resource/page/id/25 Cinéma Les Variétés 37 Rue Vincent Scotto 13001 Marseille

Seminaire : Séminaire MoVe avec K.S. Thejaswini

07/04/2022 à 10h30

Où ? 4.05 TPR2 Luminy Quoi ? A Symmetric Attractor-Decomposition Lifting Framework for Solving Parity games. Mais encore? In this talk, we will introduce the framework of Symmetric Attractor-Decomposition Lifting. We show how this helps us understand as well as obtain a quadratic improvement to the runtime of several pre-existing algorithm. This is joint work with Marcin Jurdzinski, Remi Morvan and Pierre Ohlmann.

Seminaire : Séminaire CANA : Sara Riva

05/04/2022 à 14h00

Orateur : Sara Riva (Université Côte D'Azur et I3S Sophia Antipolis)
Salle : TPR2-04.05
Titre : A Pipeline for Solving Equations over Discrete Dynamical Systems
Abstract : Finite Discrete Dynamical Systems (DDS) are a formal model to study complex phenomena appearing in many different domains. Hypotheses on the fine structure of the system can be modeled via polynomial equations over DDS. For example, AX=B represents the hypothesis that the dynamics of B is given by the joint action of a known system A and an unknown one X. Finding X would validate the hypothesis; the hypothesis is invalid if no solution exists. In general, solving generic equations over DDS has been proved undecidable. In the hypothesis validation case, a possible approach is to study the solutions through a finite number of different abstractions of the problem. Each abstraction allows studying specific properties and parts of specific dynamics. We focus on hypotheses about the cardinality of the set of states, the cyclic behaviour and the transient behaviour of DDS. We introduce a complete pipeline based on Multi-valued decision diagrams to validate hypotheses on the cardinality of the set of states and on the asymptotic behaviour, contained in the cyclic parts, of a DDS. These results are a step forward in the analysis of complex dynamics graphs as those appearing, for instance, in biological regulatory networks or in systems biology. Furthermore, this approach opens up new research challenges in the field of ordered decision diagrams and their operations.

Seminaire : Séminaire DANA - Amélioration de l'apprentissage explicable/interprétable fondé sur FCA

29/03/2022 à 16h10

Orateur : Nida Meddouri
Lien Zoom : https://univ-amu-fr.zoom.us/j/83522684614?pwd=d1FBZmhBZnZ0M1BpUnRlRWJ5ZU5CQT09
Titre : Amélioration de l'apprentissage explicable/interprétable fondé sur FCA
Résumé : Formal Concept Analysis (FCA) est une formalisation de la notion philosophique de concept définie comme étant un couple d’extension et de compréhension du concept. Un des principaux atouts de FCA réside dans ses propriétés de visualisation. En effet, FCA produit des treillis de concepts formels qui peuvent être représentés par un graphe ; et facilitent ainsi la tâche du classifieur dans la découverte de connaissances. La classification par ACF est une approche de fouille de données explicable/interprétable qui permet d’extraire des corrélations, des motifs et des règles, selon les concepts générés à partir des données symboliques. Mes recherches m’ont permis d’améliorer les performances d’un classifieur fondé sur FCA en proposant des méthodes d’apprentissage séquentiel. Ces méthodes sont à la fois itératives et adaptatives. Elles ont pour but de combiner des classifieurs de concepts formels afin d’améliorer la précision et l’efficacité. Leurs performances théoriques sont garanties et approuvées. Une autre contribution permet de booster adaptativement des classifieurs (quel que soit l’algorithme d’apprentissage) en tenant compte de leurs diversités. Cette méta-méthode a la particularité d’éviter le sur-apprentissage. Une autre méthode proposée permet de générer parallèlement un ensemble de classifieurs de concepts formels à partir d’un certain nombre de groupements disjoints et stratifiés de données. Vu son aspect parallèle et sa capacité à s’adapter pour traiter des grandes quantités de données, je me suis intéressé à la mise en cloud de cette méthode. Une nouvelle mesure de pertinence d’attribut a été proposée. Elle s’adapte au mieux avec un classifieur fondé sur FCA.

Seminaire : Séminaire DANA - ATLAS data, physicists' treat to treat

29/03/2022 à 14h00

Orateur : Thomas Calvet
Lien Zoom : https://univ-amu-fr.zoom.us/j/84940669492?pwd=MklWK1pQbHozUjRZUDU1MVhmc2dVdz09
Titre : ATLAS data, physicists' treat to treat
Résumé : Le LHC au CERN est le plus grand générateur mondial de données pour caractériser la matière dans son état connu le plus fondamental. Les collisions proton-proton produites par le LHC sont observées par quatre détecteurs géants. ATLAS est un de ces détecteurs. De la taille d'un petit immeuble (40m de long sur 20m de haut), ce détecteur offre une excellente résolution spatiale (de l'ordre de la centaine de micromètre) et temporelle (collisions toutes les 25ns) sur les produits des collisions. Pour ce faire, il génère des quantités massives de données dont l'exploitation est le cœur d'œuvre des physiciens du CERN. Deux temps se distinguent. Sur les premières microsecondes, des algorithmes automatisés doivent être capable de reconstruire les propriétés physique de bases à partir des données brutes pour décider de la sauvegarde ou du rejet des données de chaque événement. Les données sauvegardées sont ensuite étudiées avec minutie pour des mesures de hautes précisions qui sont confrontés aux modèles théoriques. Cette présentation sert un objectif double : mettre en perspective les défis de gestion des données d'ATLAS à ses différents niveaux et les illustrer par mes travaux notamment dans le domaine des IA.

Seminaire : Séminaire DANA - Extraction de motifs dans des données spatio-temporelles : application au suivi environnemental

29/03/2022 à 09h30

Orateur : Frédéric Flouvat (MCF, HDR, Université de la Nouvelle-Calédonie)
Lien Zoom : https://univ-amu-fr.zoom.us/j/86329875449?pwd=VU95K2R4bVdFMWc4NEpwK295MEhkZz09
Titre : Extraction de motifs dans des données spatio-temporelles : application au suivi environnemental
Résumé : Ces dix dernières années, la quantité de données collectées a explosé. Au-delà des volumes de données engendrés, leur complexité a aussi considérablement augmenté. Même si les avancées ont été nombreuses, les verrous restent encore nombreux avant de réellement pouvoir valoriser toutes ces informations. L'augmentation de la puissance de calcul des ordinateurs, bien que continue, n'est pas suffisante face à des tâches d'analyse de plus en plus complexes. Dans ce contexte, une problématique a été notamment étudiée par la communauté scientifique: l'extraction de motifs intéressants ("pattern mining"). Ces motifs représentent des régularités suivies par une partie des données (on parle aussi de "modèles locaux"). Cette problématique a été introduite dans les années 90 avec pour application l'analyse des paniers d'achats des consommateurs. Une grande variété de types de motifs et d'applications a été étudiée depuis (p.ex. dans les domaines de la sécurité, de la médecine, ou du commerce). Toutefois, les défis restent importants, notamment lorsqu'il s'agit d'analyser des données environnementales. En effet, les phénomènes sous-jacents et les données collectées sont complexes et variées (p.ex. images satellitaires, données collectées sur le terrain, données issues de modèles). L'exploitation de telles données est difficile et nécessite des méthodes d'analyse avancées. Ce séminaire présentera plusieurs travaux visant à extraire des motifs spatio-temporels plus riches et plus pertinents dans ces masses de données complexes.

Seminaire : Séminaire G-MOD - Simulation de rubans et validation physique

28/03/2022 à 16h30

Lien zoom : https://univ-amu-fr.zoom.us/j/83169477124?pwd=Q05rS2lnNzhqNllJODhKK3c2VzMvdz09 Si à l'origine l'informatique graphique concernait surtout l'animation, de nos jours les modèles de la communauté graphique ont tendance à être appliqués au monde réel par exemple dans le domaine de la fabrication. Cependant, ces modèles proposent parfois des énergies ad hoc et la prédiction numérique peut s'éloigner significativement du résultat physique. Faut-il alors utiliser des modèles plus mécaniques ? Dans un premier temps, je présenterai mon travail de thèse sur la modélisation de rubans. On verra par exemple que les tiges ne se comportent pas comme des rubans. Une bonne partie de mon travail consiste à valider le modèle que j'ai établi et à en montrer les limites. Dans un second temps, je parlerai de validation de modèles par protocoles expérimentaux relativement simple à mettre en place. Ce travail collaboratif s'inspire de protocoles mécaniques pour valider des modèles de tiges, rubans, coques. Il serait dommage de rejeter un modèle numérique, sous prétexte qu'il n'a pas assez de fondements mécaniques. On peut l'étudier pour comprendre sous quelles hypothèses son comportement est prédictif. On conclura ainsi que le choix du modèle utilisé doit correspondre à son usage. Il serait judicieux si cela n'a pas déjà été fait de tester le comportement physique de ce modèle.

Seminaire : Séminaire G-MOD - Simulation de rubans et validation physique

28/03/2022 à 16h30

Si à l'origine l'informatique graphique concernait surtout l'animation, de nos jours les modèles de la communauté graphique ont tendance à être appliqués au monde réel par exemple dans le domaine de la fabrication. Cependant, ces modèles proposent parfois des énergies ad hoc et la prédiction numérique peut s'éloigner significativement du résultat physique. Faut-il alors utiliser des modèles plus mécaniques ? Dans un premier temps, je présenterai mon travail de thèse sur la modélisation de rubans. On verra par exemple que les tiges ne se comportent pas comme des rubans. Une bonne partie de mon travail consiste à valider le modèle que j'ai établi et à en montrer les limites. Dans un second temps, je parlerai de validation de modèles par protocoles expérimentaux relativement simple à mettre en place. Ce travail collaboratif s'inspire de protocoles mécaniques pour valider des modèles de tiges, rubans, coques. Il serait dommage de rejeter un modèle numérique, sous prétexte qu'il n'a pas assez de fondements mécaniques. On peut l'étudier pour comprendre sous quelles hypothèses son comportement est prédictif. On conclura ainsi que le choix du modèle utilisé doit correspondre à son usage. Il serait judicieux si cela n'a pas déjà été fait de tester le comportement physique de ce modèle.

Seminaire : Séminaire GMOD - Towards a standardized system that transforms textured 3D geometry into knitted textiles

11/03/2022 à 14h00

Invité (visio) : Georges Nader Salle : 5.37 Zoom : https://univ-amu-fr.zoom.us/j/4554512911?pwd=WmJJVHBPNExMTXdhZ2xLNjJkY0NzUT09 Titre : Towards a standardized system that transforms textured 3D geometry into knitted textiles. Résumé : We introduce a flexible and customizable system for the computational design and production of functional, multi-material, and three-dimensional knitted textiles. Our system simplifies the knitting of 3D objects with complex, varying patterns that use multiple yarns and stitch patterns by separating the high-level design specification in terms of geometry, stitch patterns, materials or colors from the low-level, machine-specific knitting instruction generation. Starting from a triangular 3D mesh and a 2D texture that specifies knitting patterns on top of the geometry, our system generates the required machine instructions in three major steps. First, the input is processed and the KnitNet data structure is generated. This graph structure serves as an abstract interface between the high-level geometric and knitting configuration and the low-level, machine-specific knitting instructions. Second, a graph rewriting procedure is applied on the KnitNet that produces a sequence of abstract machine actions. Finally, the low-level machine instructions are generated by adapting those abstract actions to a specific machine context. We showcase the potential of this computational approach by designing and fabricating a variety of objects with complex geometries, multiple yarns and multiple stitch patterns. Venez nombreux !

Seminaire : Séminaire CANA : Kévin Perrot

08/03/2022 à 14h00

Orateur : Kévin Perrot (CANA, LIS)
Salle : TPR2-04.05
Titre : Théorème du point fixe de Kleene en calculabilité
Abstract : Pour toute transformation de programme h calculable, il existe un programme n tel que n et h(n) font la même chose. Ce théorème est génial, et sa preuve d'une simplicité déconcertante. De plus ses corollaires sont nombreux, comme l'indécidabilité de l'arrêt, et l'existence de quine (programme qui affiche en sortie son propre code) dans tout langage de programmation acceptable. On programmera un quine ensemble :-) Cet exposé est tiré d'une séance de l'UE Calculabilité Avancée en M1 Info, pas de résultat nouveau, juste un peu de culture.

Seminaire : Séminaire GMOD - Progressivité et Analyse Topologique de Données Scalaires

04/03/2022 à 10h00

Invité : Jules Vidal (LIP6) Salle : 5.37 Zoom : https://univ-amu-fr.zoom.us/j/4554512911?pwd=WmJJVHBPNExMTXdhZ2xLNjJkY0NzUT09 Titre : Progressivité et Analyse Topologique de Données Scalaires Résumé : L’analyse topologique de données forme une famille d’outils qui permettent l’extraction générique et efficace de caractéristiques structurelles dans les données. Cependant, bien que ces techniques aient des complexités asymptotiques connues et raisonnables, elles sont rarement interactives en pratique sur des jeux de données réels, ce qui limite leur utilisation pour l’analyse et la visualisation interactives de données. Dans cette présentation je décrirai les travaux réalisés pendant ma thèse, durant laquelle j'ai cherché à développer des approches progressives pour l’analyse topologique de données scalaires. Dans ce contexte, une méthode progressive est une technique qui peut être interrompue pour fournir rapidement un résultat approché exploitable, et est capable de le raffiner graduellement. Dans un premier temps, nous présentons une représentation hiérarchique des données d’entrée, qui permet de définir des algorithmes topologiques coarse-to-fine efficaces. En conséquence, nous introduisons deux algorithmes progressifs pour le calcul des points critiques et du diagramme de persistance d’un champ scalaire. Ces méthodes fournissent des sorties interprétables en cas d’interruption, offrent un retour visuel continu tout au long du calcul et sont plus rapides en pratique que leurs homologues non progressifs. Ensuite, nous revisitons ce cadre progressif pour introduire un algorithme pour le calcul approché du diagramme de persistance d’un champ scalaire, avec des garanties sur l’erreur d’approximation associée. Enfin, afin d’effectuer une analyse visuelle de données d’ensemble, nous présentons un nouvel algorithme progressif pour le calcul du barycentre de Wasserstein d’un ensemble de diagrammes de persistance, une tâche notoirement coûteuse. Nous étendons cette méthode à un algorithme de classification topologique de données d’ensemble, qui est progressif et capable de respecter une contrainte de temps. Venez nombreux !

Seminaire : Séminaire GMOD - Rendu basé physique de matériaux scintillants

21/02/2022 à 10h00

Invité : Xavier Chermain Salle : 5.37 Zoom : https://univ-amu-fr.zoom.us/j/4554512911?pwd=WmJJVHBPNExMTXdhZ2xLNjJkY0NzUT09 Titre : Rendu basé physique de matériaux scintillants Résumé : Le rendu basé physique est un processus important en informatique graphique, qui prend en entrée une scène 3D composée d'une caméra, de lumières et de formes géométriques ayant toutes un matériau. La propagation de la lumière est simulée en se basant sur des équations physiques, permettant d'obtenir une photo réaliste de la scène 3D virtuelle. La modélisation d'apparence est indispensable pour représenter la grande diversité d'apparences du monde réel. Dans cet exposé, je parlerai de la modélisation d'apparence des matériaux scintillants. Ce type d'apparence est difficile à modéliser à cause des fortes variations de réflexions lumineuses lors d'un petit changement de position ou de direction d'observation. Je parlerai de mes principales contributions dans ce domaine. Venez nombreux !

Conference : Séminaire CaNa -- Ilya Galanov

08/02/2022 à 14h00

Orateur: Ilya Galanov
Salle: TPR2-04.05
Titre : Purely local self-assembly algorithm for a quasiperiodic octagonal tiling
Abstract: Self-assembly is the process in which the components of a system, whether molecules, polymers, or macroscopic particles, are organized into ordered structures as a result of local interactions between the components themselves, without exterior guidance. This talk is devoted to the self-assembly of aperiodic tilings. Aperiodic tilings serve as a mathematical model for quasicrystals - crystals that do not have any translational symmetry. Because of the specific atomic arrangement of these crystals, the question of how they grow remains open. Simulations strongly support the evidence that the algorithm we developed grows aperiodic tilings up to an unavoidable but neglectable proportion of missing tiles. In this talk, we state the first theorem regarding the Golden-Octagonal tilings and formulate conjectures for future results.

Rencontre : Demi-journée pôle calcul - Algorithmique et Structures Discrètes

20/01/2022 à 09h30

Orateurs :
- Janna Burman (LRI) "Time-Optimal Self-Stabilizing Leader Election in Population Protocols”
- Alessia Milani (LIS)
- Eloi Perdereau (LIS)

Pour les abstracts, rendez-vous sur le site des demi-journées du pôle : https://demi-journees-pole-calcul.lis-lab.fr

Seminaire : Séminaire G-MOD - L’apprentissage profond des nuages de points 3D : Application aux données LiDAR

14/01/2022 à 14h00

Dans le cadre des séminaires G-MOD, nous avons le plaisir d'accueillir Jules Morel. Résumé : La capacité de la technologie LiDAR à capturer des informations détaillées sur la structure des forêts a attiré une attention croissante de la part de la communauté des écologues et des forestiers. Le LiDAR terrestre, notamment, apparaît comme un outil prometteur pour recueillir les caractéristiques géométriques des arbres à une précision millimétrique. Puisque cette technologie produit des quantités de données élevées, la recherche actuelle se concentre sur la mise au point de chaîne de traitement automatique. Cette présentation exposera comment l'utilisation du deep learning répond à une des étapes clés de cette chaîne de traitement: la classification des points 3D.