Page web poster de la journée des thèses en IA pour les Sciences De la Terre et de l'espace ou sciences de l'univers.

• Salle de Conférence de l'IRAP sur le site Roche de l'OMP à partir de 8h30.

Cette journée est organisée par l'atelier numérique de l'OMP et le chantier ENVIA.

Vous pouvez proposer un poster en vous adressant à cette adresse mel en suivant les consignes suivantes :

1. Envoyez votre proposition de poster en précisant :
   1. Un titre court (quelques mots).
   2. Un contact : Prénom, Nom, Organisme et courriel professionnel.
   3. Prénom, Nom, Organisme et courriel professionnel de chaque [co-]auteur.
   4. Une courte description (3-4 lignes maximum).
2. Vous devrez imprimer par vos propres moyens votre poster et l'amener le 19 Mai sur le site Roche de l'IRAP/OMP.
3. Merci de respecter le format A0 portrait (84 cm * 119 cm).

Rappel : les posters seront brièvement présentées en séance le matin à partir de 11h40

• Voir le programme .

• Titre : Deep learning methods for water bodies mapping in the Sahel : Mathilde De Fleury (GET/OMP).
• DL4SahelLake en version electronique.
• Supervisors : E. Mougin, M. Grippa, L. Kergoat (GET/OMP) & M. Brandt, R. Fensholt, G.M. Kovacs, A. Kariryaa (Department of Geosciences and Natural Resource Management, University of Copenhagen)
• Résumé : The Section for Geography of the Geosciences and Natural Resource Management (IGN) department of the University of Copenhagen in Denmark has implemented a CNN U-NET deep learning algorithm based on shape recognition (Brandt et al. 2020). This algorithm was therefore tested with Sentinel-2 images to detect lakes in the Sahel where current databases lack some. This poster presents this collaborative project with the IGN team and the various results obtained and future prospects.
• MiniBio : Actuellement doctorante en 2ème année dans l'équipe Zone Critique (T5) du laboratoire Géoscience Environnement Toulouse. J'ai suivi une formation Master Imagerie et Signal (SIA-AMS à l'université Paul Sabatier) et j'ai eu la possibilité de me former aux bases de l'hydrologie également. Ma thèse porte sur l’étude des petits plans d’eau sahéliens par télédétection, l’objectif est d’effectuer un suivi de ces ressources afin de surveiller leur évolution temporelle, observer leur répartition spatiale et mieux comprendre leur fonctionnement hydrologique.

• Titre : Artificial intelligence for ecosystem monitoring. : Valentine Bellet (CESBIO/OMP).
• IA4Carto en version électronique.
• Supervisors : M. Fauvel et J. Inglada (CESBIO/OMP)
• Résumé : Des algorithmes d’intelligence artificielle sont mis en place pour cartographier l’occupation et l’utilisation des sols de la France métropolitaine de façon très précise à partir des teraoctects d’images capturées chaque année par les satellites Sentinel-2. L’objectif de ma thèse est de mettre en place un nouveau type d’algorithme permettant de mieux prendre en compte toutes les informations qui sont fournies par les images satellites. Ma première année de thèse a consisté à la mise en place de processus gaussiens variationnels et parcimonieux dont l'opérateur de covariance permet de prendre en compte la structure spatio-spectro-temporelle de la donnée. Les résultats obtenus ont montré que cette prise en compte améliore les performances de classification. L'objectif de cette seconde année de thèse est d'ajouter la mise en place de contraintes spatiales lors de l'apprentissage afin d'améliorer la continuité de prédiction dans des zones dites “frontières”.
• MiniBio : Actuellement en deuxième année de thèse, ma thèse se déroule dans le cadre du projet ANITI. Après avoir été diplômée de l'INSA de Toulouse en Automatique et Electronique, j'ai réalisé un service civique en médiation scientifique au sein de l'association Science Animation. Ce service civique m'a conforté dans le choix de mon sujet de thèse: concilier mon intérêt pour l'informatique et mes valeurs, en appliquant mes compétences à la surveillance de nos écosystèmes.

• Titre : Extension de l'échéance de prévision de crues par Intelligence artificielle avec peu de données. : Théo DEFONTAINE (CERFACS)
• IA4FLOODS en version electronique.
• Supervisors : S. Ricci (CECI/CERFACS) & C. Lapeyre (CERFACS).
• Résumé : Je travaille sur l'amélioration des modèles de décalage d'hydrogramme de courte échéance à Toulouse (6h) qui servent à la prévision des crues. Ces modèles sont basés sur des observations de hauteur d'eau en amont de Toulouse et sont empiriques. Notre but est d'arriver à faire des modèles à échéances plus longues que celles existantes et donc d'ajouter une information supplémentaire qui est la pluie dans le bassin intermédiaire. Nous travaillons exclusivement sur les événements de crues et avons donc peu de données d'entraînement. Nos données sont amenées à être hétéroclites avec l'ajout de pluies ce qui complexifiera la tâche.
• Minibio : Diplômé de l'école d'ingénieurs INP ENSEEIHT, filière Hydraulique et Mécanique des Fluides où j'ai pu travailler sur mes connaissances en mécanique des fluides (hydraulique) et sur mes compétences techniques. J'ai en parallèle fait un mater en mécanique des fluides pour pouvoir faire une thèse. N'ayant pas trouvé de sujet me convenant à ma sortie d'école, j'ai ensuite réalisé un an de CDD d'ingénieur de recherche dans mon laboratoire actuel avant ma thèse. Cette thèse est réalisée en collaboration avec le Service de Prévision des Crues Toulouse (Garonne, Tarn, Lot).

• Titre : Searching for treasures in X-ray catalogs with machine learning and citizen science.
• * ML4XRAY en version electronique.
• Contact : Hugo Tranin, IRAP/OMP, htranin@irap.omp.eu
• Auteur : Hugo Tranin, IRAP/OMP, htranin@irap.omp.eu
• Encadrant : Natalie Webb (IRAP/OMP)
• Résumé : After 50yr of developments, X-ray astronomy finally starts to enter the Big Data era (more than 10⁶ detected sources, and counting). Having a reliable automatic classification is now critical to identify large X-ray populations and oddities (like transients). Recent works are all on small samples and/or lack precision or interpretability. We developed a simple and robust classifier for whole catalogs.
• MiniBio : Je suis actuellemet en 3ème (et dernière) année de thèse dans l'équipe GAHEC (Galaxies, High Energy Astrophysics and Cosmology) de l'Institut de Recherche en Astrophysique et Planétologie. Après une formation en physique à l'École Normale Supérieure de Paris Saclay, et une année de recherche à Bologne passée à simuler des spectres de galaxies, je suis arrivé à Toulouse pour effectuer mon M2 d'Astrophysique (Master ASEP à l'Université Paul Sabatier). Ma thèse a pour but de découvrir et comprendre les trous noirs de masse intermédiaire qui se cachent dans les archives d'observations en rayons X, et dont la caractérisation aidera à savoir comment les trous noirs supermassifs (plus d'un million de fois la masse du Soleil), omniprésents dans nos observations, se sont formés et ont atteint une telle masse.

• Titre : Modélisation cosmologique des amas de galaxies détectés en rayons X sur tout le ciel .
• * AICOSMO en version electronique.
• Contact : Hugo Einsle, IRAP/OMP, heinsle@irap.omp.eu
• Auteur : Hugo Einsle, IRAP/OMP, heinsle@irap.omp.eu
• Encadrant : Nicolas Clerc (IRAP/OMP)
• Résumé : La fonction de sélection des amas de galaxies caractérise le biais de sélection des halos de gaz des amas de galaxies dans les observations. En effet, tout les clusters que nous observons ne représentent pas tous les clusters existants et observables, et le travail autour de la fonction de sélection consiste à caractériser la proportion d'amas de galaxies que nous observons par rapport à tous les amas existants et potentiellement observables. Le problème peut se résumer par : « Pour une brillance de surface donnée d'un halo de gaz d'un amas de galaxie, quelle est la probabilité de sa détection ? ». Ici est présenté un modèle de machine learning développé à l'aide de réseaux de neurones basés sur des simulations cosmologiques.
• Minibio : Je suis étudiant an dernière année du Master ASEP, ayant effectué la totalité de mes études à Toulouse, à Paul Sabatier puis à l'ISAE pour mon M2. Mes centres d'intérêts gravitent autours des thèmes de la cosmologie, de la gravitation, et mon intérêt pour le sujet du machine learning ne fait que grandir et c'est dans cette optique que j'ai décidé d'effectuer mon stage de fin d'études sous la direction de Mr Nicolas Clerc sur le thème de la caractérisation de la fonction de sélection de amas de galaxies par machine learning dans le cadre du consortium Allemand de la mission spatiale eROSITA, ayant de plus pour ambition de poursuivre mon travail en thèse.

• Titre : AI on the SVOM/ECLAIRs offline trigger.
• AISVOM en version electronique.
• Contact : Miguel Llamas Lanza, mllamas-lanz@irap.omp.eu
• Auteur : Miguel Llamas Lanza, mllamas-lanza@irap.omp.eu & Benjamin Arcier,Benjamin.Arcier@irap.omp.eu (IRAP/OMP).
• Encadrant : Laurent Bouchet, lbouchet@irap.omp.eu (IRAP/OMP).
• Résumé : The purpose of the SVOM mission is to detect high energy transients like Gamma-Ray Bursts (intense and short emission produced during a catastrofic formation of a stellar mass Black Hole). On top of the on-board trigger algorithm dedicated to detect these sources, a trigger on the ground or “offline” is being developed using several detection algorithms, one of which is based on a machine learning model. Likewise, another machine learning algorithm will be developed to classify the detected objects for synergy with the Rubin C.Vera Observatory..
• MiniBio : After successfully completing an undergraduate degree in aerospace engineering in Spain, I enrolled for an International collaborative European Master in Space Science and Technology called SpaceMaster, which allowed me to study my first year of the Master in Kiruna, Sweden and to specialize in Astrophysics on my second year in Toulouse (M2 ASEP). During my internship, I performed an study on Gamma Ray Bursts in the SVOM's project framework, which then led me to start my current PhD. The main goal of my PhD is to develop tools for the SVOM/ECLAIRs offline trigger in synergy with the Vera Rubin Observatory, LSST, in the framework of performing a multi wavelength study of the transient sky.

• Titre : a Data assimilation Framework from ANITI.
• ANITI FRAMEWORK en version électronique.
• Contact : Sixin Zhang : sixin.zhang@irit.fr
• Co-auteurs : Pierre Boudier, Anthony Fillion, Serge Gratton, Selime Gürol (ANITI).
• Résumé : Data assimilation aims at forecasting the state of a dynamical system by combining a mathematical representation of the system with noisy observations. We propose a supervised learning framework for Bayesian Data Assimilation to approximate a sequence of prior and posterior densities conditioned on noisy observations. By minimizing an objective function with respect to the parameters of an Elman recurrent neural network, our model achieves comparable performance to the state-of-the-art ensemble Kalman Filtering algorithm on the classical Lorenz 96 chaotic system. We further evaluate the stability of the model on test sequences beyond training time-interval or generated from a different initial state of the dynamical system.
• MiniBio : I am now a Maitre de Conference at INP-Toulouse (site ENSEEIHT) and IRIT.
  • More CV details can be found at https://www.irit.fr/~Sixin.Zhang/

• Titre : Apport de la télédétection en bande-L pour l’étude de l’état hydrique de la végétation le suivi de la biomasse.
  • Artificial Neural Networks for vegetation biomass estimation.
• CESAR en version électronique.
• Contact : Julio-Cesar Salazar-Neira : julio-cesar.salazar-neira@univ-tlse3.fr
• Encadrants : N. Rodriguez Fernandez et A. Mialon (CESBIO).
• Résumé : Passive microwave emissions from the Earth’s surface (measured as Brightness Temperature - TB) have been used in conjunction with physically-based radiative transfer models to estimate global vegetation biomass or Above Ground Biomass (AGB). Pioneer

L-Band remote sensing missions like ESA’s SMOS, counts with more than a decade of global TB observations which, via radiative transfer models, can be used to parametrize the influence of vegetation on earth’s radiative flux in the from of the of L-VOD (L-Band Vegetation Optical Depth) which in turn, is strongly correlated to AGB. Recently, a new approach to estimate AGB directly from TB observations and thus, avoiding the dependence to VOD, was proposed [1]. For this purpose, Artificial Neural Networks (ANN) are used, different cases are explored and evaluated depending on ANN inputs.

• MiniBio : A venir.

Mail : mathis.peyron@atos.net

Encadrants : ?.

Format : Plutôt poster.

Titre : Latent data assimilation by using deep learning.

Résumé : A FINALISER.

Venant de commencer ma deuxième année en thèse, je m'intéresse à l'utilisation d'outils de “deep learning” au sein d'algorithmes d'assimilation de données (que l'on retrouve par exemple en météorologie) : l'idée principale consiste à représenter les quantités physiques d'intérêt dans des espaces de plus faible dimension et à apprendre la dynamique latente grâce à un propagateur de type réseau de neurones. Ces différents réseaux (encodeur, décodeur, propagateur) peuvent ensuite être intégrés au sein d'algorithmes d'assimilation de données pour en accélérer l'exécution.

Mon intérêt pour cet évènement est double : découvrir des avancées techniques dans le domaine de l'IA d'une part et comprendre l'utilisation qui en est faite sur des applicatifs pouvant s'apparenter au mien d'autre part. En particulier, le fait d'agrémenter l'IA d'informations ou de contraintes/propriétés physiques liées au cas d'étude suscite mon intérêt.

MiniBio : A venir.