Programme de la demi-journée scientifique du 19 janvier 2022 en présence d’Ali Charara (directeur, INS2I), Olivier Serre (directeur adjoint scientifique, INS2I), Michel Guidal (vice-président adjoint à la recherche pour les sciences et l’ingénierie, Paris-Saclay) et Paul Henry Cournède (directeur de la recherche, CentraleSupélec):
3 exposés scientifiques de 20 minutes (Théâtre Rousseau, bâtiment Bouygues)
Nina Amini (CNRS, pôle Automatique et Systèmes) : Estimation and control theory of quantum systems
Marco di Renzo (CNRS, pôle Télécoms et Réseaux) : Surfaces reconfigurables intelligentes pour les systèmes de communication sans fils programmables
François Orieux (Université Paris-Saclay, pôle Signaux et Statistiques) : Aperçu des recherches interdisciplinaires en Signal – Image
Interaction entre les personnels du L2S et nos tutelles (Théâtre Rousseau, bâtiment Bouygues)
Cristina Maniu (CentraleSupélec, pôle Automatique et Systèmes) : Présentation de l’activité drones et véhicules autonomes terrestres du L2S (Volière, bâtiment Eiffel)
Vous pouvez personnaliser votre page chercheur https://www.l2s.centralesupelec.fr/u/nom-prenom/. Le site web est construit à l’aide du CMS nommé WordPress, il s’agit d’un outil simple d’utilisation et accessible sans compétences particulières en développement web.
Des videos tutorielles sont à votre disposition pour créer votre page chercheur :
La page chercheur par défaut contient les informations de base (statut, téléphone, adresse…). Mais dans votre profil sous WordPress, vous avez la possibilité de rajouter rapidement des informations vous concernant notamment votre photo. Pour un affichage correct, veuillez importer une photo au format carré de résolution supérieure à 300*300. Par ailleurs, si vous possédez un id-hal et que Stéphanie Douesnard a pu le saisir dans sa base de données, vos publications saisies sous HAL y apparaissent automatiquement (si votre idHAL a été renseigné lors de votre première saisie dans la base de données des chercheurs par Stéphanie).
https://gitlab-research.centralesupelec.fr/l2s_website/ginap/-/issues
Directeur de publication : Pascal Bondon
Responsable éditorial : José Picheral
Hébergement : CNRS
Conception et développement : société Wabeo
Webmasters: l2s.webmaster@listes.centralesupelec.fr
13:40–14:00
Title. A Gradient Descent-Ascent Method for Continuous-Time Risk-Averse Optimal Control
Speaker. Gabriel Velho (L2S)
Abstract. In this presentation, we consider continuous-time stochastic optimal control problems where the cost is evaluated through a coherent risk measure. We provide an explicit gradient descent-ascent algorithm which applies to problems subject to non-linear stochastic differential equations. We then formulate necessary conditions of optimality for this relaxed problem which we leverage to prove convergence of the gradient descent-ascent algorithm to candidate solutions of the original problem. Finally, we showcase the efficiency of our algorithm through numerical simulations involving trajectory tracking problems.
Bio. Gabriel Velho is conducting his doctoral thesis on the design of robust controllers for coupled partial differential equations and stochastic differential equations at Laboratoire des Signaux et Systèmes (L2S), under the supervision of Riccardo Bonalli and Jean Auriol. He holds an engineering diploma from Ecole Polytechnique, as well as a Master’s degree in mathematical modeling from Sorbonne Université.
14:00–15:00
Title. Risk Analysis of Stochastic Processes using Linear Programming
Speaker. Jared Miller (ETH Zurich, Switzerland)
Abstract. Modeling a dynamical system as a stochastic process allows for the propagation of uncertainty throughout time. Such stochasticity could originate in measurement errors, unknown environments, adverse dynamics (up to distributional assumptions), etc. This talk discusses methods to bound the risk of trajectories associated with this stochastic process over a finite time horizon. The output of such risk analysis could be used to compare and improve associated control laws. The three risk classes considered in this presentation are the probability of contacting the unsafe set, the maximum instantaneous value of a risk measure, and the maximum time-windowed value of a risk measure. In the context of a power system in which a distribution line is rated at 100 amps, the first risk class is the maximum probability that 100 amps will be reached by the stochastic process at some point in time. The second risk class could be the maximum mean or 90% CVaR of current along the line at any particular time. The third risk class would then be the maximum mean or 90% CVaR evaluated in any contiguous 5-minute time window (which is related to the heat dissipation capacity of the line). Each of these tasks will be solved by posing a primal-dual pair of infinite dimensional linear programs in occupation measures / continuous functions. The continuous function formulation of these risk measures have associations with prior work in stochastic barrier functions for safety and in value functions for stochastic control. Discretizations of these linear programs allow for the computation of a convergent sequence of upper-bounds to the true risk attained by stochastic trajectories. Challenges inherent in the control problems of minimizing these risk classes will also be discussed.
Bio. Jared Miller is a postdoctoral researcher at the Automatic Control Lab, ETH Zurich, in the research group of Prof. Roy S. Smith. He received his B.S. and M.S. degrees in Electrical Engineering from Northeastern University in 2018 and his Ph.D. in Electrical Engineering from Northeastern University in 2023. He is a recipient of the 2020 Chateaubriand Fellowship from the Office for Science Technology of the Embassy of France in the United States. He was given an Outstanding Student Paper award at the IEEE Conference on Decision and Control in 2021 and in 2022, and was a finalist for the Young Author Award at the 2023 IFAC world congress. His current research topics include safety verification and data-driven control. His interests include large-scale convex optimization, nonlinear dynamics, measure theory, and power systems.
Avis de soutenance
Monsieur Subhasish BASAK
Soutiendra publiquement ses travaux de thèse intitulés
« Multipathogen quantitative risk assessment in raw milk soft cheese, monotone integration and Bayesian optimization »
encadrés par
Julien Bect (L2S),
Laurent Guillier (ANSES),
Fanny Tenenhaus (CNIEL),
Emmanuel Vazquez (L2S, directeur de thèse)
Soutenance en anglais prévue le mercredi 20 mars 2024 à 14h00
Lieu : Amphi IV, Bâtiment Eiffel
Membres du jury :
Titre : Appréciation quantitative des risques multipathogènes dans le fromage à pâte molle au lait cru, intégration monotone et optimisation Bayésienne.
Mots clés: Appréciation quantitative des risques, stochastique simulateur, intégration bornée monotone, optimisation Bayésienne.
Résumé:
La thèse se concentre sur l’optimisation bayésienne d’un modèle d’appréciation quantitative des risques microbiologiques (AQRM) dans le cadre du projet européen ArtiSaneFood, soutenu par le programme PRIMA. L’objectif principal est d’établir des stratégies efficaces de bio-intervention pour les producteurs de fromage en France. Plus précisément, l’objectif est de réduire simultanément deux quantités d’intérêt : 1) le fardeau pour la santé publique dû aux maladies causées par la consommation de fromage au lait cru contaminé par des agents pathogènes, et 2) le coût engendré par les étapes d’intervention (analyse du lait de ferme avant la production et des lots de fromage après la production) associées au processus de production de fromage. Ce travail est divisé en trois directions principales, chacune présentant plusieurs contributions. La première direction implique le développement et la mise en œuvre du premier modèle AQRM multipathogène pour les STEC hautement pathogène, Salmonella et Listeria monocytogenes dans le fromage au lait cru. Le modèle, basé sur des études de littérature antérieures et des données du projet ArtiSaneFood, met en œuvre les étapes d’intervention et permet d’évaluer le risque en termes d’Espérance de vie corrigée de l’incapacité (EVCI). La deuxième direction consiste en une étude sur les méthodes d’intégration numérique exploitant les propriétés de monotonie et de bornitude des sorties du simulateur AQRM. Enfin, la troisième direction propose des algorithmes d’optimisation bayésienne dans le cadre de l’optimisation de simulation multiobjectif (MOSO), basés sur les principes de Maximal Uncertainty Sampling (MUS) et Stepwise Uncertainty Reduction (SUR). Ces algorithmes, dédiés à l’optimisation des simulateurs stochastiques et coûteux en termes de calcul, sont appliqués au problème de l’optimisation des quantités d’intérêt dans le cadre de l’AQRM.
English version:
Title: Multipathogen quantitative risk assessment in raw milk soft cheese, monotone integration and Bayesian optimization.
Keywords: Quantitative risk assessment, stochastic simulator, Monotone bounded integration, Bayesian optimization.
Abstract:
The thesis focuses on Bayesian optimization of a quantitative microbiological risk assessment (QMRA) model within the framework of the European ArtiSaneFood project, supported by the PRIMA program. The main aim is to establish efficient bio-intervention strategies for cheese producers in France. More precisely, the goal is to simultaneously reduce two quantities of interest: 1) the burden on public health due to illnesses caused by consumption of pathogen-contaminated raw milk cheese, and 2) the cost incurred from the intervention steps (testing of farm milk before production and cheese batches after production) associated with the cheese production process. This work is divided into three main directions, each presenting several contributions. The first direction involves the development and implementation of the first multipathogen QMRA model for pathogenic STEC, Salmonella, and Listeria monocytogenes in raw milk soft cheese. The model, based on previous literature studies and ArtiSaneFood project data, implements the intervention steps and allows assessment of risk in terms of DALYs (Disability Adjusted Life Years). The second direction entails a study on numerical integration methods leveraging the monotonicity and boundedness properties of QMRA simulator outputs. Finally, the third direction involves proposing Bayesian optimization algorithms in the framework of Multiobjective Simulation Optimization (MOSO), based on the principles of Maximal Uncertainty Sampling (MUS) and Stepwise Uncertainty Reduction (SUR). These algorithms, dedicated to optimizing stochastic and computationally expensive simulators, are applied to the problem of optimizing the quantities of interest in the QMRA problem.
