PhD students

It is well known about the Riemann zeta function that $\zeta(2i) \in \mathbb{Q}\pi^{2i}, i\geqslant 1$, and thus all these numbers are linearly independent over $\mathbb{Q}$, since $\pi$ is transcendental.
However, very little is known about the numbers $\zeta(2i+1), i\geqslant 1$. It was proved in 1978 that $\zeta(3)$ is irrational, and in 2000 that infinitely many of these numbers are irationnal.

The aim of this talk is to introduce the core ideas used to prove such a result, and to elaborate on the new ideas that allowed many generalizations since the 2000s (better bound on the proportion of irrational numbers, broader class of functions rather than just $\zeta$, …)

The Wasserstein space $\mathscr{P}(M)$ associated with a closed Riemannian manifold is defined as the space of probability measures on the manifold, endowed with the so-called Otto metric, which provides it with the structure of a formal infinite-dimensional Riemannian manifold. In this talk I will describe the geometric features of this space, emphasizing its connections with optimal transport theory and some classical PDEs. I will then introduce the group of diffeomorphisms $\mathscr{D}(M)$, viewed as an Inverse Limit Hilbert Lie group, and present the Riemannian submersion structure that relates $\mathscr{D}(M)$ and $\mathscr{P}(M)$. The space $\mathscr{P}_\infty(M) \subset \mathscr{P}(M)$ of smooth positive measures is of particular interest. The geodesic convexity of such a space highly depends on the geometry of the base manifold. I will review some significant developments on this topic, mainly due to Ma, Trudinger, Wang, Loeper and Villani. If time permits, I will try to introduce some of the topics of my PhD thesis which focuses on the study of random paths on $\mathscr{P}(M)$ and its tangent bundle $T\mathscr{P}(M)$.

TBA

TBA

TBA

Les opérateurs de Schrödinger sont des incontournables dans la mécanique
quantique. J’exposerai d’abord des motivations physiques de l’étude
spectrale de ces objets. Plusieurs auteurs ont obtenu des bornes en
norme $L^p$ sur les quasi-modes des opérateurs de Schrödinger. On verra
ensuite comment se généralisent de telles estimées à des systèmes
orthonormés de fonctions. L’idée de l’exposé est de donner un avant-goût
des jolis outils sous-jacents.

Résumé à venir

In modern algebraic geometry, the study of moduli spaces plays a central role in the problem of classifying certain geometric objects (e.g., Riemann surfaces, vector bundles), up to a fixed notion of isomorphism. The foremost question arising is whether we can construct a moduli space which, roughly speaking, parametrizes the isomorphism classes of such objects. The moduli space will be endowed with a natural geometric structure, which is often a scheme or an algebraic stack. In this talk we give an introduction in the theory of moduli spaces, with special emphasis on some classical examples: the Grassmannian, the Hilbert scheme, the moduli space of sheaves etc.. We will formulate the moduli problems using the categorical language of representable functors, and introduce the notions of fine and coarse moduli spaces.

Stochastic Approximation is a useful tool for Machine Learning techniques such as Stochastic Gradient Descent. These algorithms are applied to a lot of different fields, improving the transportation times, helping doctors diagnosing with medical images, automatically translating text, detecting spam and more. Most of the time, the model traditionally lies in a vector space. However, some problems present non-linear constraints, that can be translated into a manifold. This framework ensures the conservation of key properties. As an introduction to geometric machine learning, we study the gradient descent algorithm, and its adaptation to Riemannian manifolds. Finally, we compare the performance of the two, introducing new non-asymptotic bounds.

À venir

En France la liste d’attente pour la greffe d’organe est nationale. La question de la décision autour de l’attribution d’un greffon est donc très importante. Dans cet exposé je vous présenterai l’approche théorique d’un tel problème à l’aide des modèles d’appariement avec impatience et je détaillerai l’évolution des simulations de ce problème, au fur et à mesure des interactions avec l’agence de la biomédecine.

Cette présentation concerne l’étude des courses de polynômes irréductibles unitaires dans les corps de fonctions à (3) compétiteurs ou plus. Plus concrètement, soit (m in F_{q}[T]) un polynôme unitaire (avec (F_{q}) un corps à (q) éléments et (q) une puissance d’un premier (>2)) de degré (M geq 2), (r) un entier (geq 3). Pour (a in F_q[T]) premier avec (m) et pour (N in mathbb{N^{*}}), on désigne par (pi(a,m,N)) le nombre de polynômes irréductibles unitaires congrus à (a ) et de degré (N). On considère (A_{r}(m) ) l’ensemble des (r)-uplets des différents éléments ((a’_1,..,a’_r) in F_{q}[T]) modulo (m) qui sont premiers avec (m.) Pour ((a_1,..,a_r) in A_{r}(m)), on définit :
begin{align*}
P_{m;a_1,..,a_r} &:= left{ X in mathbb{N}^{*} : hspace{0,2cm}
sumlimits_{N=1}^{X} pi(a_1,m,N) > …> sumlimits_{N=1}^{X} pi(a_r,m,N)
right}
end{align*}
Ainsi, sous l’hypothèse LI, pour réaliser cette étude, il suffit d’étudier la densité naturelle suivante :
begin{align*}
delta_{m;a_1,..,a_r} :&= limlimits_{X longrightarrow +infty} frac{# left( P_{m;a_1,..,a_r} cap left{1,2,.., Xright} right)}{X}
end{align*}

Il s’agit d’analyser les différentes densités afin de déterminer l’équipe gagnante.

In statistical analysis, change point detection aims to identify the times when the probability distribution of a stochastic process or a time series, or the parameter of the time series models changes. In general, the problem concerns both detecting the changes and identifying their locations. My goal is not only to detect the big breakpoint, but also, the detection of the small changes. The likelihood ratio test is used to detect these changes (small and big changes). The distribution
under the null and the alternatives hypothesis of the test was did by the LAN property (Locally asymptotic normal) and the Le Cam’s third lemma. The optimality of the test was proved at the end of the job.

Les travaux de Charles Darwin sur l’évolution ont motivé de longues recherches sur les effets des mutations génétiques et de la sélection naturelle. Cependant, les avancées techniques ont récemment permis aux biologistes de s’apercevoir qu’à l’échelle individuelle et sur une échelle temps plus courte que l’échelle évolutive, l’expression des gènes impliqués dans le métabolisme bactérien est hétérogène.

Nous proposons dans cet exposé quelques approches de modélisation plus ou moins simples soutenues par des hypothèses biologiques, partant d’une formalisation des mécanismes majeurs qui ont lieu à l’intérieur de la cellule bactérienne à une description des dynamiques globales pour des cultures en grande population.