En poursuivant votre navigation, vous acceptez l'utilisation de cookies destinés à améliorer la performance de ce site et à vous proposer des services et contenus personnalisés.

X

Séminaires Avril et Mai


Exposé par Matthieu Piquerez: «Généralisation des polynômes de Symanzik en dimensions supérieures»

Orateur: Matthieu Piquerez
Lieu: Salle Philippe Flajolet, LIX
Date: Wed, 24 Apr 2019, 11:00-12:00

La prochaine séance du séminaire Combi du Plateau de Saclay aura lieu ce mercredi à 11h dans la salle Philippe Flajolet du LIX. Nous aurons le plaisir d'écouter Matthieu Piquerez (CMLS, Ecole Polytechnique) nous parler de Généralisation des polynômes de Symanzik en dimensions supérieures. Le résumé est disponible ci-dessous.

Le programme du séminaire est disponible ici : https://galac.lri.fr/pages/combi-seminar.html

Résumé: Les deux polynômes de Symanzik sont des invariants de graphe utilisés en théorie quantique des champs pour calculer des intégrales de Feynman. Le premier polynôme de Symanzik est le dual du polynôme de Kirchhoff pondéré, qui compte le nombre pondéré d'arbres couvrants d'un graphe. En 2009, Duval, Klivans et Martin ont généralisé la notion d'arbre et le théorème de Kirchhoff en dimensions supérieures (sur les complexes simpliciaux). Nous pouvons de même généraliser les polynômes de Symanzik. Les deux polynômes duaux partagent de nombreuses propriétés remarquables, notamment une formule de délétion contraction et une forme déterminantale. Toutefois, nous verrons que la propriété de stabilité par subdivision, propre aux polynômes de Symanzik, rend ces polynômes peut-être plus intéressants que leurs duaux. [arXiv:1901.09797] (https://arxiv.org/abs/1901.09797)

 


Exposé par Cyril Marzou: «Cartes planaires à degrés prescrits : énumération et limites d'échelle»

Orateur: Cyril Marzou
Lieu: Salle Philippe Flajolet, LIX
Date: Mer. 17 avr. 2019, 11h00-12h00

La prochaine séance du séminaire Combi du Plateau de Saclay aura lieu ce mercredi à 11h dans la salle Philippe Flajolet du LIX. Nous aurons le plaisir d'écouter Cyril Marzouk (IRIF, Université Paris 7) nous parler de Cartes planaires à degrés prescrits : énumération et limites d'échelle. Le résumé est disponible ci-dessous.

Le programme du séminaire est disponible ici : https://galac.lri.fr/pages/combi-seminar.html

Résumé: Une carte planaire finie peut se concevoir comme le recollement topologique de polygones qui forme une sphère ; ainsi, étant donné n polygones, on peut considérer l'ensemble (fini) de tels recollement que l'on peut former. À l'aide d'une bijection avec des arbres étiquetés, nous verrons comment énumérer simplement cet ensemble (dans le cas biparti) et nous étudierons le comportement de la structure de graphe d'une telle carte choisie uniformément au hasard lorsque le nombre n de faces tend vers l'infini. En particulier, nous identifierons l'ordre de grandeur du diamètre et des distances typiques et nous verrons des conditions optimales sur les tailles des polygones pour que l'ensemble des sommets muni de la distance de graphe mise à l'échelle converge en loi vers une limite universelle appelée « carte brownienne ».

Travail disponible en ligne : arXiv:1902.04539 & arXiv:1903.06138.

 


Multiplication des grands entiers en O(n log n)

David Harvey et Joris van der Hoeven ont proposé un algorithme de multiplication de grands entiers en O(n log n). Une prépublication est disponible sur HAL; elle est en cours de revue avant publication.

Pour plus d'informations, voir:

 


Talk by Pierre-Louis Poirion: «Random projections for linear and conic programs»

Orateur: Pierre-Louis Poirion
Lieu: Room Philippe Flajolet, Alan Turing building
Date: Wed, 10 Apr 2019, 14:30-15:30

Pierre-Louis Poirion, who used to be a postdoc in the SYSMO team (now DASCIM), and is now at RIKEN Institute Tokyo, is coming to visit for a couple of weeks, partly supported by the H2020 MINOA project. He is going to give two seminars, both at 14:30 in Salle Philippe Flajolet (2nd floor, left side of the Turing building). The second seminar is entitled Random projections for linear and conic programs.

Abstract: We present a new random projection method that allows the reduction of the number of inequalities of a Linear Program (LP). More precisely, we randomly aggregate the constraints of a LP into a new one with fewer constraints, while approximately preserving the optimal value of the LP. We will also see how to extend this idea to conic programming.

See https://pubsonline.informs.org/doi/10.1287/moor.2017.0894

 


Talk by Pierre-Louis Poirion: «Algorithms and applications for a class of bilevel MILPs»

Orateur: Pierre-Louis Poirion
Lieu: Room Henri Poincaré, Alan Turing building
Date: Fri, 5 Apr 2019, 14:00-15:00

Pierre-Louis Poirion, who used to be a postdoc in the SYSMO team (now DASCIM), and is now at RIKEN Institute Tokyo, is coming to visit for a couple of weeks, partly supported by the H2020 MINOA project. He is going to give two seminars, both at 14:30 in Salle Philippe Flajolet (2nd floor, left side of the Turing building). The first seminar is entitled Algorithms and applications for a class of bilevel MILPs.

Abstract: We present a new cut generation algorithm to solve a class of bilevel mixed-integer linear programs where we allow integer variables in the lower level optimization problem. We then apply our methods to the optimal placement of measurement devices in an electrical network.

https://www.sciencedirect.com/science/article/pii/S0166218X18300751

 

Talk by Kiwon Um: «Physics-based Simulation with Deep Learning»

Orateur: Kiwon Um
Lieu: Room Nicole-Reine Lepaute (1168)
Date: Wed, 3 Apr 2019, 11:00-12:00

Kiwon Um from the Technical University of Munich will visit us next Wednesday and will give a talk entitled Physics-based Simulation with Deep Learning.

Abstract: Physics-based simulation has been dominant in recreation of a variety of natural phenomena in digital world such as computer-generated imagery. Accordingly, developing an efficient and effective simulation method has been gaining significant attention in the computer graphics community. Despite its significant technical advances, simulations of complex phenomena such as fluid dynamics still remain challenging particularly when it urgently requires both efficiency and accuracy. Recently, a huge amount of accumulated data and its effective use with machine learning have opened the door to many practical solutions for a lot of long-lasting unresolved problems. Along the line of the direction, this talk discusses the use of deep learning techniques with physics-based approaches particularly for fluid simulations in computer graphics. The presenter will introduce an efficient and effective data-driven, i.e., deep learning, method that improves small scale details on top of a traditional liquid simulation method. The experiments of the method will demonstrate how the machine learning successfully improve the target simulation problem together with the physics-based method and carefully refined data. This approach will be further discussed in follow-up projects. Additionally, the presenter will introduce a perceptual evaluation of liquid simulations and its extension to engineering applications. Investigating into its potential, this will be further discussed in conjunction with machine learning.