Florence Marcotte et Luca Calatroni, lauréats ERC "Starting grant" 2023
- Institutionnel
- Recherche
Publié le 11 septembre 2023
–
Mis à jour le 11 avril 2024
Date(s)
le 11 septembre 2023
Florence Marcotte et Luca Calatroni, respectivement chargée de recherche Inria et chargé de recherche CNRS dans des équipes mixtes d'Université Côte d'Azur sont lauréats 2023 d'une starting grant de l'ERC. Ce financement s'inscrit dans le cadre du programme Horizon Europe de l'UE et aide les chercheurs en début de carrière à lancer leurs propres projets et à former leurs équipes.
Florence Marcotte est chercheuse en mécanique des fluides au Centre Inria d'Université Côte d'Azur dans l'équipe Castor au laboratoire J.A. Dieudonné (Univ Côte d'Azur - CNRS).
Le projet que va financer la bourse ERC qu'elle vient d'obtenir utilisera une théorie mathématique, celle du contrôle optimal. Dans certains objets astrophysiques, la formation de champs magnétiques dépend crucialement des conditions initiales. Mathématiquement, cela signifie que les équations non linéaires qui gouvernent leur évolution peuvent admettre plusieurs solutions, et que selon la perturbation magnétique initiale, le système évoluera spontanément vers un équilibre plutôt qu'un autre : par exemple une solution dynamo, c'est-à-dire que l'objet développera un champ magnétique persistant et auto-entretenu, ou au contraire une solution non magnétique.
Identifier directement un équilibre dynamo est très difficile en raison de la nature de ces équations et nécessite souvent d'avoir une idée assez précise de la solution recherchée. La théorie du contrôle optimal permet de contourner cet obstacle, comme montré dans un article récent dans la revue PRL (Physical Review Letters) : l'idée est de rechercher les perturbations initiales qui maximisent l'énergie du champ magnétique à un temps donné, puis à l'aide de simulation numérique classique, de vérifier a posteriori que ces "graines initiales" sont capables de déclencher une instabilité dynamo, et suivre leur évolution jusqu'à atteindre l'équilibre recherché
Florence et son équipe vont essayer de suivre cette méthode pour modéliser les zones radiatives des étoiles, dans lesquelles les possibles mécanismes dynamo sont encore mystérieux. Par exemple, un problème intrigant est l'existence du "désert magnétique" des étoiles de masse intermédiaire : les champs magnétiques détectés à la surface de ces étoiles sont soit très intenses, soit extrêmement faibles… et personne ne sait pourquoi ! C'est un défi intéressant de tenter de comprendre comment des objets à l'origine semblables peuvent suivre deux évolutions magnétiques aussi distinctes. L'équipe testera aussi son approche sur la question de l'origine de la turbulence des disques protoplanétaires (disques de gaz et de poussières qui donnent naissance aux planètes).
Luca Calatroni est chargé de recherche CNRS au laboratoire I3S. Il travaille au sein de l’équipe Morpheme sur des problèmes à l’interface entre les mathématiques, le traitement du signal et autres disciplines comme la biologie et l’archeologie / histoire de l'art. Il a effectué ses études en mathématiques appliquées à l’Université de Pavie en Italie. Il se rend ensuite en Angleterre pour sa thèse en modèles mathématiques pour le traitement d’images à l’Université de Cambridge. Il est ensuite Post-doc Marie Skłodwoska-Curie à l’Université de Gênes en Italie et Lecteur Hadamard au Centre des Mathématiques Appliquées de l’École Polytechnique à Paris. En 2019, il est recruté au laboratoire I3S en tant que Chargé de Recherche CNRS.
Sa recherche porte sur la modélisation mathématique et la résolution numérique des problèmes inverses d’imagerie dans plusieurs applications comme, par exemple, la biologie, l’imagerie du patrimoine et les neurosciences computationnelles. L’objectif du projet ERC StG MALIN (Model-aware learning for imagine inverse problems in fluorescence microscopy) est l’étude théorique et l’application des modèles d’apprentissage inspirés par la physique à plusieurs problèmes inverses dans le domaine de la microcopie à fluorescence. Un grand enjeu dans ce domaine est la super-résolution d’images, necessaire afin de mieux comprendre les processus biologiques à l'échelle du nanomètre.
L’intégration des modèles physiques dans les techniques d’apprentissage est devenue assez populaire pendant les dernières années, mais son utilisation dans le domaine de la microscopie à fluorescence présente de nombreuses difficultés liées soit à la non-linéarité des phénomènes caractérisant les processus d’acquisition soit la scarcité de données d’apprentissage. Dans ces cas, des questions importantes comme la stabilité de la reconstruction nécessitent une étude appropriée qui fera objet des work packages dédiés.
Les méthodologies développées dans le projet seront utilisées pour répondre à plusieurs questions d’intérêt en biologie, comme l’étude des mécanismes de reproduction des certaines algues, en collaboration avec S. Schaub (CNRS) du laboratoire de biologie du développement de Villefranche-sur-Mer (LBDV).
Le projet que va financer la bourse ERC qu'elle vient d'obtenir utilisera une théorie mathématique, celle du contrôle optimal. Dans certains objets astrophysiques, la formation de champs magnétiques dépend crucialement des conditions initiales. Mathématiquement, cela signifie que les équations non linéaires qui gouvernent leur évolution peuvent admettre plusieurs solutions, et que selon la perturbation magnétique initiale, le système évoluera spontanément vers un équilibre plutôt qu'un autre : par exemple une solution dynamo, c'est-à-dire que l'objet développera un champ magnétique persistant et auto-entretenu, ou au contraire une solution non magnétique.
Identifier directement un équilibre dynamo est très difficile en raison de la nature de ces équations et nécessite souvent d'avoir une idée assez précise de la solution recherchée. La théorie du contrôle optimal permet de contourner cet obstacle, comme montré dans un article récent dans la revue PRL (Physical Review Letters) : l'idée est de rechercher les perturbations initiales qui maximisent l'énergie du champ magnétique à un temps donné, puis à l'aide de simulation numérique classique, de vérifier a posteriori que ces "graines initiales" sont capables de déclencher une instabilité dynamo, et suivre leur évolution jusqu'à atteindre l'équilibre recherché
Florence et son équipe vont essayer de suivre cette méthode pour modéliser les zones radiatives des étoiles, dans lesquelles les possibles mécanismes dynamo sont encore mystérieux. Par exemple, un problème intrigant est l'existence du "désert magnétique" des étoiles de masse intermédiaire : les champs magnétiques détectés à la surface de ces étoiles sont soit très intenses, soit extrêmement faibles… et personne ne sait pourquoi ! C'est un défi intéressant de tenter de comprendre comment des objets à l'origine semblables peuvent suivre deux évolutions magnétiques aussi distinctes. L'équipe testera aussi son approche sur la question de l'origine de la turbulence des disques protoplanétaires (disques de gaz et de poussières qui donnent naissance aux planètes).
Luca Calatroni est chargé de recherche CNRS au laboratoire I3S. Il travaille au sein de l’équipe Morpheme sur des problèmes à l’interface entre les mathématiques, le traitement du signal et autres disciplines comme la biologie et l’archeologie / histoire de l'art. Il a effectué ses études en mathématiques appliquées à l’Université de Pavie en Italie. Il se rend ensuite en Angleterre pour sa thèse en modèles mathématiques pour le traitement d’images à l’Université de Cambridge. Il est ensuite Post-doc Marie Skłodwoska-Curie à l’Université de Gênes en Italie et Lecteur Hadamard au Centre des Mathématiques Appliquées de l’École Polytechnique à Paris. En 2019, il est recruté au laboratoire I3S en tant que Chargé de Recherche CNRS.
Sa recherche porte sur la modélisation mathématique et la résolution numérique des problèmes inverses d’imagerie dans plusieurs applications comme, par exemple, la biologie, l’imagerie du patrimoine et les neurosciences computationnelles. L’objectif du projet ERC StG MALIN (Model-aware learning for imagine inverse problems in fluorescence microscopy) est l’étude théorique et l’application des modèles d’apprentissage inspirés par la physique à plusieurs problèmes inverses dans le domaine de la microcopie à fluorescence. Un grand enjeu dans ce domaine est la super-résolution d’images, necessaire afin de mieux comprendre les processus biologiques à l'échelle du nanomètre.
L’intégration des modèles physiques dans les techniques d’apprentissage est devenue assez populaire pendant les dernières années, mais son utilisation dans le domaine de la microscopie à fluorescence présente de nombreuses difficultés liées soit à la non-linéarité des phénomènes caractérisant les processus d’acquisition soit la scarcité de données d’apprentissage. Dans ces cas, des questions importantes comme la stabilité de la reconstruction nécessitent une étude appropriée qui fera objet des work packages dédiés.
Les méthodologies développées dans le projet seront utilisées pour répondre à plusieurs questions d’intérêt en biologie, comme l’étude des mécanismes de reproduction des certaines algues, en collaboration avec S. Schaub (CNRS) du laboratoire de biologie du développement de Villefranche-sur-Mer (LBDV).
