Optimization bi-niveau pour l'inférence à base de simulations – BONSAI

Malgré les avancées spectaculaires en apprentissage automatique, il est toujours difficile d'exploiter les méthodes d'apprentissages de manière systématique et fiable dans de nouvelles disciplines pour accélérer la découverte scientifique.
Ce défi est largement due à l'absence d'un moyen cohérent d'intégrer les connaissances produites par des experts, tels que les simulateurs, dans le cadre de l'apprentissage automatique.
Le projet BONSAI est un projet multidisciplinaire visant à relever ce défi en combinant la connaissance du domaine, sous forme de simulateurs, avec l'apprentissage profond grâce à l'optimisation bi-niveau.

Les simulateurs, tels que ceux utilisées en physique des particules ou dynamique moléculaire, sont des algorithmes développés par des experts de domaine pour reproduire des données expérimentales. Ils sont le résultat d'années de travail et sont donc souvent irremplaçables.
Les simulateurs dépendent généralement d'un paramètre dont le bon choix permet de correctement interpréter les résultats expérimentaux.
La tâche d'inférence par simulation consiste à déterminer ce paramètre à partir de données expérimentales en vérifiant leur cohérence avec les simulations.
Résoudre cette tâche d'inférences avec une précision peut avoir de grandes implications pour la découverte scientifique. Cependant, la tâche d'inférence est souvent difficile en raison de la complexité des simulateurs pour lesquels de nombreuses quantités d'intérêt, telles que la vraisemblance, sont inaccessibles.

Nous partons du principe que les formulations bi-niveau, grâce à leur flexibilité, fournissent un cadre simple et naturel pour effectuer la tâche d'inférence tout en estimant les quantités nécessaires à cette tâche grâce à des méthodes d'apprentissage profond. Le projet BONSAI vise à tirer parti de cette flexibilité afin d'intégrer la connaissance du domaine à l'apprentissage profond tout en surmontant les défis techniques liées à l'optimisation bi-niveau.