Thèse Inférence de Modèles de Réactions à Temps Continu à Partir de Données Temporelles H/F Doctorat.Gouv.Fr

Établissement : Institut Polytechnique de Paris École polytechnique École doctorale : Ecole Doctorale de l'Institut Polytechnique de Paris Laboratoire de recherche : Inria EPI Lifeware Début de la thèse : 2026-11-01 Date limite de candidature : 2026-12-31T23:59:59 Les méthodes d'apprentissage automatique révolutionnent actuellement de nombreux domaines scientifiques. Cela vaut également pour le développement de modèles de simulation quantitatifs, longtemps considérés à la fois comme une science et un art en raison des nombreux défis et de la diversité des compétences requises de la part du modélisateur. L'utilisation de l'apprentissage automatique pour élaborer ces modèles englobe l'intégration automatisée de sources de connaissances variées, l'exploitation de grands modèles de langage (LLM) pour aider les utilisateurs à surmonter les obstacles liés aux langages de modélisation spécialisés, ainsi que la génération de modèles de simulation complets à partir de séries temporelles - une démarche qui s'inscrit dans le mouvement plus large vers des méthodes fondées sur les données en science.
Nous nous concentrerons sur cette dernière approche qui, dépassant la simple calibration des modèles de simulation à partir de données, vise à en déduire les informations structurelles et les mécanismes sous-jacents ; cette méthode peut être assimilée à une régression symbolique, appliquée ici au contexte des réseaux de réactions chimiques en biologie des systèmes. Plus précisément, nous développerons une nouvelle version de notre algorithme d'inférence de modèles de réseaux de réactions chimiques (CRN) à partir de séries temporelles, en nous appuyant sur la recherche en faisceau (*beam search*) ; nous contribuerons à des jeux de référence (*benchmarks*) communs et nous nous attaquerons aux défis posés par l'observabilité partielle ainsi qu'à l'évaluation sur des données biologiques réelles. collaboration avec Universite de Rostock, Allemagne dans le cadre du projet ANR-DFG INCRE