Learning Physical Dynamics: From Neural Operators to World Models

by Armand Kassaï Koupaï

Fort du succès de son événement inaugural, SCAI est fier d’annoncer son quatrième séminaire.

Le thème de cette quatrième session est «Learning Physical Dynamics: From Neural Operators to World Models» et sera présenté par Armand Kassaï Koupaï.

Abstract

La simulation de systèmes physiques repose depuis longtemps sur des solveurs numériques d’équations aux dérivées partielles, qui sont certes précis mais coûteux, lents à s’adapter et difficiles à adapter aux résolutions exigées par les applications modernes. Au cours des dernières années, les réseaux neuronaux se sont imposés comme une alternative crédible : entraînés sur des trajectoires simulées ou observées, ils apprennent à faire évoluer l’état d’un système dans le temps à un coût nettement inférieur. Cette présentation constitue une introduction aux substituts neuronaux pour les dynamiques spatio-temporelles régies par des EDP. Je commencerai par (i) exposer les difficultés rencontrées par les architectures neuronales standard face aux données physiques, et montrerai comment celles-ci ont motivé la conception des opérateurs neuronaux. Étant donné que l’éventail des comportements dynamiques auxquels un substitut peut être confronté est vaste, je présenterai ensuite (ii) des méthodes adaptatives, qui conditionnent le modèle à la dynamique considérée et permettent d’obtenir des résultats

Je m’intéresserai ensuite à la vague récente de modèles pré-entraînés sur de nombreux systèmes physiques, souvent appelés « modèles de base », et (iii) je soutiendrai que le vocabulaire des « modèles du monde » les décrit mieux : ils effectuent une seule tâche, à savoir prédire comment un environnement évolue en fonction de ses conditions et de ses contrôles, et leur force réside dans la généralisation d’un environnement à l’autre plutôt que d’une tâche à l’autre. Je conclurai par les questions pratiques qui déterminent jusqu’où cette approche peut aller : le comportement à grande échelle, ainsi que la disponibilité et la conception de grands ensembles de données physiques.