Cérémonie de la remise des Prix mathématiques François Ducrot le 21 septembre 2023

Contenu de la page:

6 Vidéos (Alice Gionnet et 5 des alumni) et des photos de la cérémonie.
Livret de présentation des lauréat.e.s.

Soutenir ce prix

La marraine : Alice Guionnet

Directrice de recherche au CNRS à l’ENS de Lyon
Médaille d’argent du CNRS 2010
Membre de l’académie des sciences 2017
Oratrice au congrés international des mathématiques 2022

Cadeau mathématique :

Vidéos des présentations des alumni

Annabelle Beaudoin

Master Data Science 2022
Biostatisticienne AP-HP Paris

Clémence Bouvier

Licence de math à Angers 2015-2018
Master Crypto à Rennes 2018-2020
Thèse 2023 INRIA Paris

L2 et L3 math à Angers 2007-2009
Ecole polytechnique 2009-2013 puis ENSAE
Actuaire 2016-2019
Finance à Paris

Delphine Pol

Licence 3 puis master MFA 2010-2013
Thèse en 2013-2017 à Angers
Post-doc au Japon puis Allemagne 2017-2021
Consultante TNG Technology consulting en Allemagne

Philippine Renaudin

Master Data Science 2021
Consulting Data performance chez Treez data Management à Nantes

Photos des lauréat.e.s avec alumni

Merci aux mécènes

Merci aux mécènes

Livret du prix avec les profils des récipiendaires et des alumni

Projet-livret_220923 Télécharger

Nos 31 récipiendaires 2023 : 2 en masters, 9 en L2 et 20 en L1

Aubril Ony M1 MFA	Crequy Tudal M 1 Data Science	Wahl Noé L3 Math	Aubril Salomé L2 math
Fromentin Théo L3 Math	Rousseau Tom L2 Math	Crapsky Yann L2 Math	Gonin Arnaud L3 Maths Appliquées
Blanchard Gabriel L3 Math	Morand Hugo DL 3 Math-éco	Aliprantis Daphné DL1 Math-info	Fardin Amandine DL1 Math-éco
Loreau Unger Maxime, DL1 Math-info	Boeri Aurélien DL1 Math-info	Fu Mike DL1 Math-info	Marhin Aydan DL1 Math-info
Boeuf Léonard DL1 Math-info	Giroire Maelys DL1 Math-info	Morille Emanuel DL1 Math-info	Boidron Justine L1 Math
Herbert Bastien L1 Math	Nedeljkovitch Félicia DL1 Math-éco	Cocault Elise DL1 Math-info	Imedjoubene Lydia DL1 Math-info
Regert Jonathan DL 1 Math-info	Da Silva David DL1 Math-info	Lahaye Emma DL1 Math-éco	Rouat Amélie PPPE 2
De Caestecker Noé DL1 Math-info	Le Bigot Alice PPPE 1	Schneider Yalalt DL1 Math-éco

Les entreprises qui nous soutiennent

Les sociétés savantes qui nous soutiennent

Soutiens institutionels

Séminaire de probabilités et statistiques
Les Arbres Binaires de Recherche (abrégés en BST, pour Binary Search Trees) sont une structure de données populaire pour stocker une liste de nombres désordonnée. Un de leurs principaux avantages est que les opérations usuelles, telles l'ajout ou la requête de données, s'effectuent en temps proportionnel à la hauteur de l'arbre. Un résultat classique, dû à Luc Devroye, est que cette hauteur est logarithmique en le nombre de données si ces dernières arrivent dans un ordre aléatoire uniforme. Un défi intéressant est d'étendre cette asymptotique à d'autres modèles de permutations aléatoires, c'est-à-dire quand les données à stocker nous parviennent dans un ordre aléatoire non-uniforme. Dans cet exposé, nous allons considérer des permutations aléatoires dites "échantillonnées par un permuton". Il s'agit d'un modèle non-paramétrique de permutations aléatoires non-uniformes, se construisant à partir de processus ponctuels planaires. Ce modèle est fondamental dans la théorie des permutons, une théorie de limites d'échelle pour les permutations qui a grandement gagné en popularité dans les dix dernières années. Le but principal de cet exposé sera de présenter et motiver ce modèle, puis d'expliquer comment une condition assez simple sur le permuton échantillonneur assure au BST une hauteur logarithmique. Travail en commun avec Benoît Corsini et Valentin Féray.

2PMA
TBA

Séminaire des doctorant.es
En analyse de survie, un type de modèle fréquemment étudié est le modèle de censure dont la configuration est la suivante: On souhaite déterminer la loi d'une variable aléatoire T positive (représentant par exemple un temps de survie). Il est possible que cette variable soit non-observable dû à une censure C, qui interviendrait avant la réalisation de T (la censure peut par exemple représenter le temps où le patient quitte l'étude avant de décéder). Le couple de variable aléatoire observé devient donc (Y,d) = (min{T,C},1_{T < C}). Le modèle que j'introduirai considère un phénomène de censure, où les variables d'intérêt T et de censure C sont les premiers temps d'atteinte de seuils fixés, par des processus de Poisson composés monotones qui réalisent leurs instants de saut simultanément. Dans cet exposé, on tentera de construire un estimateur des lois de T, C et des deux processus à partir de l'observation d'un échantillon de réalisation du couple de censure (Y,d) = (min{T,C},1_{T < C}). Une application sur données réelles illustrera les performances asymptotiques de notre estimateur.

Séminaire de probabilités et statistiques
La communauté microbienne complexe qui vit dans le système digestif humain, connue sous le nom de microbiote intestinal, remplit de nombreuses fonctions importantes pour son hôte et est désormais reconnue comme un facteur crucial dans le maintien de la santé. De nombreuses études suggèrent qu'il pourrait être utilisé comme outil médical pour le diagnostic, le pronostic et même la prédiction de la réponse au traitement d'un patient. Cependant, la structure spécifique du microbiote intestinal (notamment parcimonieuse, compositionnelle et avec une structure hiérarchique) a été peu prise en compte jusqu'à présent. En s'inspirant de l'approche Poisson-Log-Normal (PLN) développée pour modéliser les données de comptage dépendantes, nous introduisons le modèle PLN-Tree, spécifiquement conçu pour modéliser des données de comptage hiérarchiques. En intégrant des techniques d'inférence variationnelle structurée, nous proposons une procédure d'apprentissage adaptée et établissons des résultats d'identifiabilité. Des évaluations numériques sur des données synthétiques ainsi que sur des données de microbiote démontrent l'intérêt de prendre en compte la structure hiérarchique des données pour détecter des dépendances complexes.

2PMA
TBA

Colloquium
Le but de cet exposé est donner une introduction aux objets et notions de la géométrie dérivée à travers le regard de la géométrie énumérative. Dans une première partie, j'expliquerai comment les structures dérivées apparaissent dans un exemple classique de géométrie énumérative à savoir le problème des cercles d'Apollonius. Dans une seconde partie de l'exposé nous verrons comment ces structures dérivées sont utiles pour aborder plusieurs problèmes contemporains, notamment dans le contexte de la "théorie de Donaldson-Thomas".

Séminaire des doctorant.es
Les équations aux dérivées partielles (EDP) sont des outils mathématiques fondamentaux permettant de modéliser des phénomènes physiques variés, tels que la propagation de la chaleur, les vibrations des ondes ou encore la diffusion de substances. Elles décrivent l’évolution d’une quantité inconnue, fonction de plusieurs variables (comme le temps et l’espace), en fonction de ses dérivées par rapport à ces variables. Avant d’aborder certains théorèmes fondamentaux des EDP, il sera nécessaire de faire des rappels sur la théorie des distributions, qui constitue un cadre clé pour comprendre les solutions faibles de ces équations. Enfin, si le temps le permet, nous appliquerons ces théorèmes aux équations classiques de la physique.

2PMA
This talk explores the intriguing realm of scattering resonances within two-dimensional transparent cavities, which arose in the modeling of micro-resonators constructed from dielectric materials (with positive permittivity) or metallic nanoparticles (with negative permittivity). Specifically, our investigation is focused on resonances that closely align with the real axis, characterized by highly oscillatory behavior and localization along the interface separating the cavity from its external environment. Notable exemplars of such resonances include whispering-gallery modes observed in dielectric cavities and surface plasmon waves associated with metallic particles.

Séminaire de probabilités et statistiques
Nous étudions comment la taille et la forme d’un arbre généalogique familial influencent la qualité de l’estimation du risque de mutation (simple ou double) à partir des phénotypes observés, en particulier dans le contexte des cancers du sein/ovaire liés aux mutations BRCA. Mathématiquement, il s'agit d'une chaîne de Markov cachée, indexée par un arbre. À l’aide de simulations, nous répondons à des questions clés : l’ajout de générations ou de proches (frères-sœurs, cousins) améliore-t-il toujours le pronostic ? Quelle est la valeur des descendants par rapport aux ascendants ? Quelles sont les sensibilités et spécificités typiques obtenues et comment varient-elles selon les paramètres du modèle ? Nous présentons aussi trois modèles concurrents (aucune cause génétique, mutation simple, double mutation). Deux stratégies d’inférence à partir de phénotypes familiaux seront utilisées : (i) ajustement classique fondé sur des résumés statistiques ; (ii) réseau de neurones. Nous discutons leur aptitude à sélectionner le bon modèle, estimer les paramètres latents et, in fine, prédire le statut mutationnel individuel.