Recherche

Le programme AI4TheSciences a accueilli ses 15 premiers doctorantes et doctorants

Le

Les quinze premières thèses interdisciplinaires sur des sujets aux interfaces de l’intelligence artificielle et du traitement des données du programme doctoral Artificial Intelligence for the Sciences (AI4theSciences) ont débuté dans les laboratoires de PSL.

AI4TheSciences

Elles et ils viennent d’Australie, de Colombie, de Grèce, d’Inde, d’Iran ou encore d’Espagne… toutes et tous ont été sélectionnés, parmi plus de 200 candidatures, pour rejoindre la première cohorte du programme AI4TheSciences et mener des recherches aux interfaces de l’intelligence artificielle et du traitement des données.

Membre fondateur de l’Institut PR[AI]RIE, PSL dispose, au sein de ses 140 laboratoires, d’une solide communauté scientifique et d’un large programme de formation en intelligence artificielle et traitement des données.
Afin de contribuer à la structuration de cette communauté de recherche, l’université a initié en 2020, avec le soutien et le cofinancement du programme européen Horizon 2020 - Marie Skłodowska-Curie Actions-COFUND, le programme doctoral Artificial Intelligence for the Sciences. Le projet est conçu sur cinq ans et compte deux rentrées doctorales, septembre 2021 et septembre 2022. Il permettra le financement de 26 contrats doctoraux au sein des laboratoires de PSL dans toutes les disciplines faisant appel à des techniques d’intelligence artificielle ou de traitement de données massives.

De l’astrophysique aux sciences de l’ingénieur, en passant par la chimie, les humanités ou encore les sciences sociales… les champs disciplinaires couverts par les premières thèses du programme sont variés et sont répartis au sein des laboratoires de six établissements – composantes de PSL (Observatoire de Paris – PSL, ESPCI Paris – PSL, Mines Paris – PSL, ENS – PSL, EPHE – PSL et Collège de France...). Chaque doctorant bénéficie d’une double supervision : un directeur de thèse, chercheur de PSL spécialiste de sa discipline, et un co-encadrant spécialiste des techniques d’IA ou de données massives - ce dernier pouvant être issu d’un laboratoire hors de PSL ou d’un partenaire privé situé en France ou en Europe.

Au-delà des activités de l’école doctorale de leur discipline, les doctorantes et doctorants du programme seront formés aux techniques de l’IA et du Machine Learning, à la rédaction d’articles de vulgarisation, à l’Open Science, à l’acquisition de compétences transverses non-académiques etc. Ainsi, dès la fin du mois d’août elles et ils ont pu suivre, aux côtés d’autres étudiantes et étudiants de PSL, la semaine intensive du programme data de PSL afin d’acquérir les bases de l’Intelligence Artificielle et du Machine Learning. Depuis, début octobre, la communauté des doctorants se réunit également chaque semaine lors du séminaire animé par Pierre Ablin (Dauphine – PSL) et Alexandre Allauzen (ESPCI Paris – PSL), une occasion d’échanger avec des chercheurs, de partager des difficultés méthodologiques et de faire le point sur les avancées des sujets. Chaque semaine également, ils bénéficient d'un enseignement en français pour les étudiants internationaux, pour perfectionner leurs connaissances de la langue et faciliter leur intégration dans les projets de recherche français.
Tout au long de l’année, les doctorantes et doctorants du programme seront invités à participer aux événements scientifiques organisés par l’Institut PR[AI]RIE, dont PSL est membre fondateur, ainsi qu’aux semaines intensives du programme Data ouvertes à toute la communauté étudiante PSL ou à des événements spécialement créés pour la cohorte (Summer School sur le campus de Mines Sophia Antipolis, sous l’égide d’Elie Hachem) ou encore à des cycles de conférences dédiées proposés par l’université. , séminaires scientifiques PR[AI]RIE, cycle de conférences…

Cette première cohorte, composée à 33% de jeunes chercheuses, sera rejointe par 11 nouveaux doctorantes et doctorants à la rentrée 2022. L'appel à candidatures est en cours jusqu’au 12  février 2022.

Les 15 premiers projets de thèse du programme doctoral

 

  • 3DMorphEmbryo - AI-assisted reconstruction of 3D human embryo morphology from 2D medical images to improve the prediction of its development potential . Thèse d'Alessandro Pasqui sous la direction d’Hervé Turlier (CIRB Collège de France) et Bogdan Stanciulescu (CAOR – Centre de Robotique).
  • Advanced methods for enhancing interpretability of AI tools with application to the energy sector. Thèse de Konstantinos Parginos sous la co-direction de Georges Kariniotakis (Centre PERSEE, Mines Paris - PSL) et Ricardo Bessa (Center for Power and Energy Systems at INESC TEC).
  • Dark energy studies with the Vera Rubin Observatory LSST & Euclid - Developing a combined cosmic shear analysis with Bayesian neural networks Thèse de Biswajit Biswas sous la co-direction de Eric Aubourg (Laboratoire APC, Observatoire de Paris - PSL) et Junpeng Lao (Google Switzerland).
  • The politics of coding, thèse de Daniele Cavalli sous la co-direction de J. Peter Burgess (République des Savoirs, Ecole Normale Supérieure - PSL) et Jean-Gabriel Ganascia (LIP6, Sorbonne Université).
  • Physically Informed Machine Leaning for controlling unruptured intracranial aneurysms thèse de Pablo Jeken Rico sous la codirection d’Elie Hachem (CEMEF, Mines Paris - PSL) et Bruno Figliuzzi (Centre de Morphologie Mathématique).
  • Towards neuromorphic computing on quantum many-body architectures, thèse de Melissa Alzate sous la co-direction de Lionel Aigouy et Alexandre Zimmers (Laboratoire de Physique et d’Etude des Matériaux, ESPCI Paris - PSL).
  • Data-driven Enzyme Evolution thèse de Mats Von Tongeren sous la codirection de Yannick Rondelez (Gulliver Lab, ESPCI Paris - PSL) et Olivier Rivoire (CIRB, Collège de France).
  • Machine learning for origin of life in the RNA world thèse de Francesco Calvanese sous la codirection de Philippe Nghe (UMR Chimie Biologie Innovation, ESPCI Paris - PSL) et Martin Weigt (LCQB, Sorbonne Université).
  • Artificial Intelligence for Seismic Hazard Monitoring with InSAR, thèse de Negin Fouladi Moghaddam sous la co-direction de Romain Jolivet (Laboratoire de Géologie, Ecole Normale Supérieure - PSL) et Bertrand Rouet-Leduc (Los Alamos National Lab, Geophysics group).
  • Impact of human cognitive traits on financial market formation thèse de Stefano Vrizzi sous la co-direction de Boris Gutkin et Stefano Palminteri (LNC2, Ecole Normale Supérieure - PSL).
  • Language Acquisition in Brains and Algorithms: towards a systematic tracking of the evolution of semantic representations in biological and artificial neural networks thèse de Linnea Evanson sous la codirection de Yves Boubenec (Laboratoire des Systèmes Perceptifs, Ecole Normale Supérieure - PSL) et Pierre Bourdillon (Hôpital Fondation Adolphe de Rothschild).
  • Artificial Intelligence to Decode the Genomic Replication Programme of Human Cells thèse de  Amir Hossein Zeraati Aliabadi sous la codirection d’Olivier Hyrien (IBENS, Ecole Normale Supérieure - PSL) et Benjamin Audit (LPENSL).
  • Learning dynamics in biological and artificial neural networks thsèe de Pierre Orhan sous la codirection de Yves Boubenec (Laboratoire des Systèmes Perceptifs, Ecole Normale Supérieure - PSL) et Jean-Rémi King (Laboratoire des Systèmes Perceptifs, Facebook Artificial Intelligence Research).
  • Using vocal interactions to study syntax of dolphins acoustic communication thèse de Chiara Semenzin sous la codirection de German Sumbre (IBENS, Ecole Normale Supérieure - PSL) et Gonzalo de Polavieja (Collective Behavior Lab, Champalimaud Foundation)
  • Processing eDNA data into relevant indicators of ecosystem health and biodiversity monitoring thèse de Letizia Lamperti sous la codirection de Stéphanie Manel (CEFE, EPHE - PSL) et Loïc Pellissier (ETH – WSL)