PDE and applications seminar | Nancy

In this talk, I will briefly recall the historical Kalman filter and its ensemble form. Then I will show how the latter has been successfully implemented for data assimilation, in particular in numerical weather forecasting. More recently, the Ensemble Kalman Filter has been proposed as a methodology for solving very general inverse problems in high-dimensional contexts. I will present the theory, show some simple applications and point out the numerous open problems that remain.

Résumé: Un milieu quasi-périodique est un milieu ordonné sans être périodique. Un exemple assez connu depuis le prix Nobel de Chimie 2011 est le quasi-cristal. La notion de quasi-périodicité est très bien définie dans la littérature mathématique. Pour donner une idée, une fonction quasi-périodique 1D est la trace suivant une droite donnée d’une fonction périodique de plusieurs variables. Les EDP à coefficients quasi-périodiques ont fait l’objet d’études théoriques dans le contexte de l’homogénéisation, mais il semble qu’il y ait eu beaucoup moins de travaux en dehors de ce contexte, et encore moins sur la résolution numérique de ces équations.

L’objectif de ce travail est de développer des méthodes numériques originales pour résoudre l’équation des ondes harmoniques en milieux quasi-périodiques, dans l’esprit des méthodes précédemment développées pour des milieux périodiques. L’idée est d’utiliser le fait que l’étude d’une EDP elliptique avec des coefficients quasi-périodiques se ramène à l’étude d’une EDP augmentée non-elliptique, posée en dimension supérieure, mais dont les coefficients sont périodiques. Cette approche, dite de relèvement, permet de résoudre l’EDP périodique avec des outils adaptés. Cependant, le caractère non-elliptique rend l’analyse mathématique et numérique de la méthode délicate.

Dans cet exposé, je présenterai dans un premier temps la méthode de relèvement sur un problème 1D quasi-périodique. Je discuterai ensuite de l’extension de cette méthode à un problème de transmission entre un milieu périodique et un milieu constant, lorsque l’interface ne coupe pas le milieu périodique dans une direction de périodicité. L’efficacité de l’approche sera illustrée par des résultats numériques.  

On s’intéresse à la modélisation d’un écoulement à bulles compressibles par une méthode d’homogénéisation. 

Abstract

As part of control theory, stabilization consists in finding a way to make stable a trajectory of a system on which one has some means of action. In this talk, we will discuss recent advances in stabilization of PDEs, starting with one of the most natural approaches for nonlinear systems, quadratic Lyapunov functions, to more complex approaches such as Fredholm backstepping. Backstepping consists in finding a control operator such that the PDE system can be invertibly mapped to a simpler PDE system for which stability is known. Surprisingly powerful, this approach offers the possibility to deal with very general classes of systems. We will review the origin of the method and present new results that resolve a question opened in 2017 and illustrate it on the rapid stabilization of the linearized water-wave equations. Finally, if time allows we will talk about a completely different subject: teaching mathematics to an AI and we will consider two questions, can we train an AI to predict the solution of a mathematical problem? can we train an AI to prove a statement?

I will present some recent work in collaboration with Elisa Davoli (TU Wien) and Katerina Nik (University of Vienna) on a three-dimensional quasistatic morpholelastic model. The mechanical response of the body and its growth are modeled by the interplay of hyperelastic energy minimization and growth dynamics. An existence result is obtained by regularization and time-discretization, also taking advantage of an exponential-update scheme. Then, we allow the growth dynamics to depend on an additional scalar field modeling nutrient concentration, and formulate an optimal control problem. Eventually, we tackle the existence of coupled morphoelastic and nutrient solutions, when the latter is allowed to diffuse and interact with the growing body.

In this talk I will provide an overview on the problem of controllability of parameter dependent systems. I will explore different control notions successfully developed through the last decade.
The aim of the control function is to steer the system to a state satisfying some properties prescribed either at some time instant T>0 or during a given time interval. These properties may be separated with respect to parameter values and can refer just to a single system itself (e.g. greedy control), or may consider solutions corresponding to the whole parameter range (e.g. ensemble control, averaged control). In the latter case control functions are designed as parameter invariant, implying a same control is to be applied to the system independently of a particular realization of the parameter, while in the first case controls vary along with the parameter. Beside the positive theoretical results, for each notion we provide a computational algorithm.