La compréhension de l’auto-organisation d’un système, c’est-à-dire sa capacité à faire émerger des comportements collectifs sans intervention extérieure, est à la base du développement de nombreux domaines scientifiques, aussi bien en physique, en informatique, en mathématiques, en biologie ou en sociologie. Au sein de ce domaine se trouve l’étude des modèles de consensus, permettant de décrire comment des agents s’échangent de l’information afin d’aboutir à une décision commune. Dans cet exposé, nous aborderons un modèle de consensus largement étudié dans la littérature : le modèle de Cucker-Smale. Ce dernier décrit des individus qui se déplacent dans l’espace et qui s’alignent les uns sur les autres. Il suppose que la force avec laquelle les individus s’alignent entre eux dépend à la fois de la distance qui les sépare et d’un paramètres A(i,j) qui décrit intrinsèquement comment un individu i s’aligne sur un individu j. L’une des questions principales est la détermination de conditions qui assurent que les individus tendent tous à se déplacer dans la même direction à la même vitesse, appelé phénomène de flocking dans ce contexte. En exploitant la dualité entre les équations de Cucker-Smale et les équations de Kolomogorov, nous prouvons que le flocking est équivalent à la convergence en variation total d’un certain processus de saut markovien inhomogène en temps.  Nous prouvons ensuite cette convergence en utilisant des techniques de type Doeblin, permettant de dériver de nouvelles conditions de flocking plus fines que celles connues pour ce modèle. Enfin, nous traiterons la question de l’apprentissage du paramètre A(i,j) à partir de données de déplacement d’animaux, permettant d’obtenir des informations sur la manière dont ceux-ci se comportent socialement les uns avec les autres.

Many applications in spatial and spatio-temporal statistics require data to be modeled by Gaussian processes on non-Euclidean domains, or with non-stationary properties. Using such models generally comes at the price of a drastic increase in operational costs (computational and storage-wise), rendering them hard to apply to large datasets. In this talk, we propose a solution to this problem, which relies on the definition of a class of random fields on Riemannian manifolds. These fields extend ongoing work that has been done to leverage a characterization of the random fields classically used in Geostatistics as solutions of stochastic partial differential equations. The discretization of these generalized random fields, undertaken using a finite element approach, then provides an explicit characterization that is leveraged to solve the scalability problem. Indeed, matrix-free algorithms, in the sense that they do not require to build and store any covariance (or precision) matrix, are derived to tackle for instance the simulation of large Gaussian fields with given covariance properties, even in the non-stationary setting or on surfaces.

La littérature consacrée au mouvement brownien réfléchi dans un cône bidimensionnel est la plupart du temps consacrée à l’étude de sa distribution stationnaire dans le cas récurrent. Dans cet exposé, nous intéresserons en revanche au cas transient pour étudier les fonctions de Green de ce processus et leurs asymptotiques. Ceci nous amènera à considérer la frontière de Martin associée et les fonctions harmoniques satisfaisant des conditions de Neumann obliques sur les bords du cône. Pour certains modèles, nous illustrerons cela en étudiant la probabilité d’évasion du processus le long d’un axe et sa probabilité d’absorption au sommet du cône.

Pour établir nos résultats, nous utilisons des méthodes analytiques historiquement développées pour étudier les marches aléatoires dans le quadrant. Nous établissons des équations fonctionnelles satisfaites par les transformées de Laplace des fonctions de Green. Grâce à la théorie des problèmes frontières (de Riemann et Carleman), il est possible de déterminer des formules explicites pour ces transformées de Laplace impliquant des fonctions hypergéométriques. La méthode du point col et des lemmes de transfert taubériens permettent d’obtenir des résultats asymptotiques et d’établir la frontière de Martin.

(Séminaire commun avec l’équipe ATN.)

Considérée comme l’une des identités clés de l’analyse classique, la formule d’Euler-McLaurin est l’un des outils standard pour relier les sommes et les intégrales, avec des applications remarquables dans de nombreux domaines des mathématiques, bien que peu utilisée en analyse stochastique. Dans cet exposé, nous montrerons comment, en introduisant de nouvelles variantes des intégrales itérées d’un chemin et un simple problème variationnel, nous pouvons généraliser cette identité dans le contexte de l’intégration de Riemann Stieltjes.

(Le séminaire aura lieu en amphi 3.)

Dans cet exposé, nous présentons et étudions un modèle pour deux populations avec une interaction prédateur-proie, où chaque population est composée de deux types d’individus, notés 0 et 1, de sorte que les prédateurs d’un type donné prospèrent en présence de proies similaires, tandis que les proies d’un type donné ont plus de chances de survivre en présence de prédateurs du type différent.
Nous considérons une limite dans une grande population avec des mutations dans à une échelle intermédiaire, c’est à dire que le taux de mutation individuel disparaît tandis que le taux de mutation total tend vers l’infini. Nous prouvons qu’en fonction des paramètres du modèle, différents scénarios peuvent se produire : invasion successive de proies et de prédateurs conduisant à la coexistence de quatre types, ou invasion successive de proies dans une population de prédateurs résidents conduisant soit à l’extinction des proies, soit à la coexistence de tous les types, …

On appelle « animal dirigé » un sous-ensemble fini du quart de plan N x N qui contient l’origine et tel que tout autre site possède au moins un voisin à sa gauche ou en dessous de lui. Dans cet exposé, je regarderai la limite quand n tend vers l’infini d’un animal choisi uniformément parmi les animaux à n sommets. Je montrerai en particulier que l’objet limite est encodé par une marche aléatoire et peut aussi s’interpréter comme un système de particules en interaction possédant une remarquable propriété de Markov spatiale (travail en collaboration avec O. Hénard et E. Maurel-Segala).

Dans cet exposé, nous étudierons le comportement asymptotique des réseaux neuronaux entièrement connectés avec poids et biais gaussiens et dont la taille des couches cachées tend vers l’infini. Basé sur un travail commun récent avec S. Favaro, B. Hanin, D. Marinucci et G. Peccati.

It is a standard assumption that the Gaussian noises in stochastic systems are white in time and white space. This means that the noise at different point in space or in time are assumed to be uncorrelated. This leads to the Ito theory of integration. However, some time series data and other data indicate otherwise, some even exhibits long range dependence. In SDEs these imply that neither the Markov theory nor its martingale characterisation can be relied on. In SPDEs, the difficulty of irregularity coming from the white noise can be mitigated if they are replaced by smooth correlated noise. But other problems arrive. In this talk we shall explore these models and some phenomenons. New, as well as old, techniques in Stochastic Analysis will be explored.

After much success in using the double random current representation in the study of the Ising model, Duminil-Copin posed the question in 2016 of determining the (percolative) phase transition of the single random current. By relating the single random current to the loop O(1) model (also known as the high-temperature expansion and Eulerian percolation), we prove polynomial lower bounds for path probabilities (and infinite expectation of cluster sizes) for both the single random current and loop O(1) model corresponding to any supercritical Ising model on the hypercubic lattice. Thereby partially resolving the posed question.

In this talk, I will gently introduce graphical representations of the Ising model, their monotonicity properties and relations through Bernoulli sprinkling and the uniform even subgraph. Afterward, we discuss new results whose surprising proof takes inspiration from the toric code in quantum theory. Based on joint work with Ulrik Tinggaard Hansen and Boris Kjær: https://arxiv.org/abs/2306.05130.

Hawkes processes are a family of point processes for which the occurrence of any event increases the probability of further events occurring. Although the linear Hawkes process, for which a representation in the form of a superposition of branching processes exists, is particularly well studied, difficulties remain in estimating the parameters of the process from imperfect data (noisy, missing or aggregated data), since the usual estimation methods based on maximum likelihood or least squares do not necessarily offer theoretical guarantees or are numerically too costly.
In this work, we propose a spectral approach well-adapted to this context, for which we prove consistency and asymptotic normality. In order to derive these properties, we show that Hawkes processes can be studied through the scope of mixing, opening the use of central limit theorems that already exist in the literature.
I will then present two applications of this approach: to aggregated data (joint work with Gabriel Lang); and to noisy data (joint work with Anna Bonnet, Miguel Martinez and Maxime Sangnier).

Après avoir introduit les U-statistiques de données indépendantes, le théorème limite central fonctionnel et la loi des grands nombres correspondantes, nous présenterons des résultats récents pour des U-statistiques basées sur des suites stationnaires dépendantes à valeurs dans un espace métrique séparable. Nous traiterons le cas des suites beta-mélangeantes (qui se prêtent bien au couplage) ainsi que celui des U-statistiques à valeurs dans un espace de Hilbert. Ces dernières se révèlent utiles dans certains tests statistiques.

The stochastic dynamic matching problem has recently drawn attention in the stochastic-modeling community due to its numerous applications, ranging from supply-chain management to kidney exchange programs. In this presentation, we consider a matching problem in which items of different classes arrive according to independent Poisson processes, unmatched items are stored in a queue, and compatibility constraints are described by a simple graph on the classes, so that two items can be matched if their classes are neighbors in the graph. We analyze the efficiency of matching policies, not only in terms of system stability, but also in terms of matching rates between different classes. Our results rely on the observation that, under any stable policy, the matching rates satisfy a conservation equation that equates the arrival and departure rates of each item class.

This presentation is based on a joint work with Fabien Mathieu (LINCS) and Ana Bušić (Inria and PSL University). A preprint is available at the following address: https://arxiv.org/abs/2112.14457.

Imagine a collection of randomly distributed points in space, and build a graph on it according to some rules. We now take the sum of all edge lengths and want to know if this sum verifies a central limit theorem. In our context, the random collection of points is given by a Poisson measure and the sum of edge lengths is an example of a Poisson functional. In this talk, using the so-called Malliavin-Stein method, we show a result which allows us to derive central limit theorems, as well as speeds of convergence, for functionals of general Poisson measures, under minimal moment assumptions. Our main application is the closure of a conjecture about a convergence result of the Online Nearest Neighbour Graph.

Le Processus de saut renforcé par sommet (VRJP en raison de son acronyme anglais) est un processus aléatoire en temps continu auto-renforcé défini sur un graphe : plus il passe par un sommet, plus il est probable qu’il y revienne à l’avenir. Depuis les travaux de Sabot et Tarrès, on sait que le VRJP peut être vu comme un processus Markovien en environnement aléatoire. Cet environnement est caractérisé par un certain champ aléatoire U qui, étonnamment, était déjà connu par les physiciens en tant que modèle sigma super-symétrique H^{(2|2)}, un objet important en physique quantique. Par un changement de variable, on peut ramener l’étude du champ U à celle d’un autre champ beta. Ce champ beta permet de définir un opérateur de Schrödinger aléatoire H dont les propriétés sont reliées au VRJP. H est notamment inversible et son inverse G permet de retrouver l’environnement du VRJP. Dans cet exposé, nous expliquerons ce cheminement allant du VRJP vers les champs aléatoires et nous expliquerons les résultats connus sur ces champs et sur le VRJP. Pour finir, nous parlerons d’un résultat plus récent établissant la limite d’échelle de G sur le cercle. Cela permet de définir un opérateur de Schrödinger aléatoire continu analogue à H sur le cercle.

In the study of singular SPDEs, it has been a challenging problem to obtain a simple proof of a general probabilistic convergence result (BPHZ theorem). Differently from Chandra and Hairer’s Feynman diagram approach, Linares, Otto, Tempelmayr, and Tsatsoulis recently proposed an inductive proof based on the spectral gap inequality by using their multiindex language. Inspired by their approach, Hairer and Steele also obtained an inductive proof by using the regularity structure language. In this talk, we introduce an extension of the regularity structure including integrability exponents and provide a simpler proof of BPHZ theorem.
This talk is based on a joint work with Ismael Bailleul (Univ Brest).

Dormancy is a complex trait that has evolved independently many times across the tree of life. In particular many micro-organisms can enter a reversible state of vanishing metabolic activity. The corresponding dormancy periods can range from a few hours to potentially thousands of years. Also, the dormancy transitioning mechanisms are highly diverse, including spontaneous dormancy initiation and resuscitation, responsive switching due to environmental cues, and competition-induced dormancy initiation. In general, dormancy allows a population to maintain a reservoir of genotypic and phenotypic diversity (that is, a seed bank) that can contribute to its longterm survival and coexistence. In this talk, we review some of the probabilistic structures that emerge from stochastic individual based models involving dormancy.