Créé au début des années 2000, MICS rassemble la recherche en Mathématiques et Informatique de CentraleSupélec. Au cœur des technologies numériques, ses thématiques concernent la modélisation, la simulation, l'analyse et l'optimisation de systèmes complexes, qu’ils proviennent du monde industriel, du vivant, des marchés ou de l'information et des réseaux.

Thèmes de recherche

Biomathématiques

Modélisation mathématique basée sur les données et les connaissances, inférence statistique et informatique pour aider à résoudre les grands défis des sciences de la vie et de la santé.  Méthodes pour les systèmes et les données biologiques. Applications à la médecine de précision, aux neurosciences, à la biologie moléculaire, à la génétique, à la phytotechnie, à l'épidémiologie, au diagnostic assisté par ordinateur.

Finance quantitative

Microstructure, données massives à haute fréquence : enchères, manipulation, tenue de marché, apprentissage par renforcement ; filtrage de la matrice de covariance et investissement ; modèles d'agents : biais cognitifs et comportement des investisseurs, marchés monétaires ; transport robuste, jeux à champ moyen.

Mathématiques fondamentales

Analyse harmonique et théorie géométrique des mesures ; Analyse des équations aux dérivées partielles ; Analyse harmonique et théorie géométrique des mesures ; Analyse numérique ; Analyse stochastique (chemins rugueux, équation de Fokker-Planck) ; Modélisation probabiliste et statistique des processus stochastiques : Régularité des processus stochastiques (processus fractionnaires).

Calcul scientifique

Calcul massivement parallèle, calcul GPU, interface algorithmique entre le calcul parallèle et l'analyse numérique des équations différentielles partielles et des équations différentielles algébriques.

Informatique

Formalismes et méthodes basés sur la logique, les probabilités, les graphes, la théorie des catégories, la morphologie mathématique pour les systèmes basés sur des logiciels.

Intelligence artificielle et modélisation des décisions

Apprentissage profond, apprentissage par représentation, apprentissage continu, intelligence artificielle explicable, IA pour la vision par ordinateur, IA pour le NLP, prise de décision multicritère, apprentissage des préférences, représentation des connaissances et raisonnement, explication des décisions, optimisation multi-objectifs, décisions collectives.

DOMAINES D’APPLICATION
 

  • Systèmes Industriels (aéronautique, construction, énergie, transport) ;
  • Environnement (plantes, hydrologie, paysages, acoustique et bruit) ;
  • Santé (biologie moléculaire, génomique, épidémiologie) ;
  • Marchés et entreprises (finance, business intelligence) ;
  • Information et réseaux (internet, multimédia, knowledge management) ;
  • Art et architecture (colorimétrie, reconstruction architecturale et réalité virtuelle).
     

PARTENAIRES ACADEMIQUES

Institut Gustave Roussy, CEA, INRA, INRIA, INSERM, AgroParisTech, Cambridge, Oxford, Georg-August-Universität Göttingen, Sapienza University of Rome, Polytechnic University of Turin, RUDN University, Bar Ilan, TU München, University of Tokyo, Doshisha University (Japan), Beihang University, (China), Providence University (Taiwan), University of Washington, University of Michigan, Temple University, Berkeley Lab (USA).

PARTENAIRES INDUSTRIELS

AIR LIQUIDE HEALTHCARE, BNP PARIBAS, CYBELETECH, DASSAULT AVIATION, DASSAULT SYSTEMS, EDF, GE HEALTHCARE, IBM, ICON CFD, ILLUIN TECHNOLOGIES, INCEPTO MEDICAL, RANDSTAD, SAINT-GOBAIN, SCIENTA LABS, SERVIER, SICARA, SNCF, SUN ZU LAB, THALES, THERAPANACEA, TRANSVALOR, VITADX

Chiffres clés
 

  • Enseignants-chercheurs et Chercheurs : 28
  • Personnels administratifs et techniques : 5
  • Doctorants : 49
  • Post-Doc : 8
  • Publications de rang A (source : Web of Science) : 46

 

 

En savoir plus

Voir le site du laboratoire

Rapport MICS 2022 : à télécharger ICI

Contact

Directrice : Céline Hudelot
Téléphone : 01 75 31 65 60
Courriel : celine.hudelot[at]centralesupelec.fr

Les dernières publications

Communication dans un congrès
20/05/2024
A Multi-Label Dataset of French Fake News: Human and Machine Insights
Benjamin Icard, François Maine, Morgane Casanova, Géraud Faye, Julien Chanson, Guillaume Gadek, Ghislain Atemezing, François Bancilhon, Paul Égré
Article dans une revue
15/05/2024
Recognizing single-peaked preferences on an arbitrary graph: Complexity and algorithms
Bruno Escoffier, Olivier Spanjaard, Magdaléna Tydrichová
Communication dans un congrès
06/04/2024
From Rewrite Rules to Axioms in the λΠ-Calculus Modulo Theory
Valentin Blot, Gilles Dowek, Thomas Traversié, Théo Winterhalter
Communication dans un congrès
27/03/2024
Voir toutes les publications du laboratoire sur HAL