Yunan Yang - Transport- & Measure-Theoretic Approaches Modeling, Identifying, & Forecasting Systems

Yunan Yang - Transport- & Measure-Theoretic Approaches Modeling, Identifying, & Forecasting Systems

🎙 Yunan Yang 👥 42K 📅 9 octobre 2025 ⏱ 45 min 👁 457 📄 exposé scientifique 🧭 2026-08-13
Disponible en : Français (actuel) English

Mots-clés

systèmes dynamiquesopérateur de Koopmanmesure d'occupationplongement de Takensidentification de paramètres

Résumé

Cet exposé de Yunan Yang, présenté à l’atelier IPAM ‘Bridging Scales from Atomistic to Continuum in Electrochemical Systems’, porte sur des approches de modélisation de systèmes dynamiques basées sur la théorie de la mesure et le transport. L’orateur propose de passer d’une perspective lagrangienne (suivi de particules) à une perspective eulérienne (densités de probabilité) pour surmonter les défis posés par le chaos, le bruit et l’échantillonnage lent. La première partie introduit l’opérateur de Koopman distributionnel (DKO) et une méthode d’identification de paramètres basée sur l’appariement de mesures d’occupation, qui approximent la mesure invariante du système. Cette approche, formulée comme un problème d’optimisation sous contrainte d’équation aux dérivées partielles (EDP), offre une stabilité accrue par rapport aux méthodes classiques comme SINDy ou les méthodes de tir, mais au prix d’une perte d’identifiabilité. La deuxième partie résout ce problème en utilisant le plongement de Takens et l’appariement de mesures dans l’espace des coordonnées à retard, ce qui permet de retrouver l’unicité à conjugaison topologique près. Enfin, l’orateur présente un résultat théorique montrant que le push-forward d’un plongement entre variétés est également un plongement entre les espaces de mesures de probabilité, ce qui justifie l’approche dans un cadre plus général. Des exemples numériques, notamment sur le système de Lorenz et l’équation de Kuramoto-Sivashinsky, illustrent les performances de la méthode en présence de bruit et de données échantillonnées grossièrement.

225 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

L’exposé présente une contribution originale et significative à la modélisation de systèmes dynamiques à partir de données. L’argumentation est solide, s’appuyant sur des concepts mathématiques bien établis (opérateur de Koopman, mesures invariantes, plongement de Takens) et sur des résultats théoriques récents. L’orateur justifie clairement les choix méthodologiques en soulignant les limites des approches classiques (SINDy, méthodes de tir) face au chaos, au bruit et à un échantillonnage lent. La démonstration est progressive : d’abord l’idée de base (appariement de mesures d’occupation), puis l’amélioration par l’utilisation de coordonnées à retard pour restaurer l’identifiabilité, et enfin une généralisation théorique. Les exemples numériques, bien que succincts, illustrent efficacement les avantages de la méthode en termes de robustesse. L’argumentation est convaincante et bien structurée, même si certains détails techniques sont omis pour rester dans le temps imparti.

Rigueur scientifique, qualité des sources, adéquation du titre

L’exposé est rigoureux sur le plan scientifique : les concepts sont définis avec précision, les hypothèses sont énoncées et les résultats sont présentés avec leurs conditions de validité. L’orateur cite ses collaborateurs et mentionne des travaux publiés (notamment un article à paraître dans Physical Review Letters). La qualité des sources est bonne, même si l’exposé ne fournit pas de références bibliographiques détaillées dans la vidéo. Le titre est en adéquation avec le contenu : il annonce clairement les approches de transport et de théorie de la mesure pour la modélisation, l’identification et la prévision de systèmes dynamiques. La présentation est cohérente avec le thème de l’atelier, bien que l’orateur précise qu’il ne traite pas directement de l’électrochimie mais d’un problème analogue de passage de l’échelle atomistique au continuum.

276 mots

Adéquation titre / contenu

Le titre reflète bien le contenu : l'exposé porte sur des approches de transport et de théorie de la mesure pour la modélisation, l'identification et la prévision de systèmes dynamiques.

Qualité & fiabilité

8/10

Exposé scientifique rigoureux, s'appuyant sur des travaux publiés et des résultats théoriques, présenté dans le cadre d'un atelier IPAM. La méthode est clairement expliquée et les limites sont discutées.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

Sources concordantes

Apport & nouveautés

L’apport principal de cet exposé est de proposer une approche originale pour l’identification de systèmes dynamiques à partir de données bruitées ou échantillonnées grossièrement, en utilisant des mesures de probabilité plutôt que des trajectoires individuelles. L’utilisation de l’opérateur de Koopman distributionnel (DKO) et de l’appariement de mesures d’occupation dans l’espace des coordonnées à retard constitue une avancée significative, car elle permet de surmonter les limitations des méthodes classiques (SINDy, méthodes de tir) en présence de chaos et de bruit. La généralisation théorique du plongement de Takens aux espaces de mesures est également un résultat nouveau et important. Cette approche ouvre des perspectives pour la modélisation de systèmes complexes où les données sont de qualité limitée.

Pour aller plus loin :

  • Opérateur de Koopman — Concept central de l’exposé, utilisé pour l’analyse des systèmes dynamiques.
  • Théorème de Takens — Fondement théorique de l’utilisation des coordonnées à retard.
  • Mesure invariante — Notion clé pour l’appariement de mesures.
  • Équation de Fokker-Planck — Équation aux dérivées partielles utilisée pour modéliser l’évolution de densités de probabilité.

171 mots

Profil radar

Le profil radar montre des scores élevés et équilibrés dans les quatre dimensions (quantité d'information, qualité, niveau technique, fiabilité), indiquant un contenu dense, rigoureux et fiable, avec un niveau technique avancé. La fiabilité globale est soutenue par la présentation de résultats théoriques et d'exemples numériques.

Fiabilité 8/10