Andrei ERMOLAEV : "Méthodes basées sur les données pour l'analyse de la propagation non linéaire dans les fibres optique"

Résumé : Cette thèse vise à appliquer et à développer les nouvelles méthodes d'apprentissage automatique spécialement adaptées à l'analyse et à l'interprétation des impulsions lors de leur propagation en un seul passage dans une fibre optique, et sous diverses conditions. En particulier, nous nous concentrerons sur les approches de découverte de modèles guidées par les données qui impliquent l'utilisation de l'apprentissage automatique pour analyser les données du système physique dans le but de découvrir les modèles interprétables et généralisables et de développer les méthodes qui peuvent substantiellement accomplir et/ou compléter l'analyse théorique conventionnelle. À cette fin, les méthodes d'apprentissage supervisé et non supervisé seront utilisées pour approfondir la compréhension des phénomènes non linéaires ultrarapides dans les systèmes de fibres optiques.

Composition du jury : 

John DUDLEY, Professeur des universités, Université Bourgogne Franche-Comté, Directeur de thèse

Miguel ALONSO, Professeur des universités, Ecole Centrale de Marseille, Institut Fresnel Rapporteur

J. Nathan KUTZ, Professeur des universités University of Washington, Department of Applied Mathematics Rapporteur

Christophe FINOT, Professeur des universités Université de Bourgogne, Examinateur

Mme Maria CHERNYSHEVA, Chargée de recherche Leibniz, Institute of Photonic Technology, Examinatrice

Maxime JACQUOT,Professeur des universités, Université Bourgogne Franche-Comté, Examinateur