17/07/2025
Un financement international pour Konstantin Usevich avec son projet AT-AI – Les algorithmes et l’identifiabilité des décompositions tensorielles avancées

 


Konstantin Usevich, Chargé de recherche CNRS au CRAN, est l'un des 8 lauréats de la campagne des International Emerging Actions 2024 (IEA) pour son projet AT-AI – Les algorithmes et l’identifiabilité des décompositions tensorielles avancées.
Cet appel à projets de la Direction Europe et internationale du CNRS a pour but de favoriser l'exploration de nouveaux champs de recherche et de partenariats à l'international. Il se matérialise par des missions de courte durée, l’organisation de réunions de travail, l’initiation de premiers travaux de recherche en commun autour d’un projet scientifique partagé. Ces actions ont une durée de 2 ans. Les IEA s’adressent aux personnels exerçant une activité de recherche dans une unité du CNRS.

 

Les décompositions tensorielles, qui expriment des tableaux multidimensionnels (tenseurs) à l'aide de représentations compactes de faible rang, constituent l'un des outils les plus importants pour la compression et le traitement des données à haute dimension
Les techniques de rang faible et les techniques tensorielles sont utilisées avec succès dans un large éventail d'applications. Elles sont particulièrement pertinentes pour les méthodes d'IA fonctionnant avec des tableaux multidimensionnels de données et de poids de modèles, afin de réduire les besoins en calcul et en mémoire de ces méthodes (IA frugale).
Ce projet explore les décompositions tensorielles avancées (couplées, multicouches, etc.) et les approximations apparaissant dans le contexte de plusieurs applications, telles que la compression de réseaux neuronaux, la détection d'anomalies dans l'imagerie hyperspectrale et l'analyse de données d'imagerie par résonance magnétique fonctionnelle (IRMf). L'objectif principal est de concevoir des algorithmes et d'étudier la propriété clé d'identifiabilité de ces modèles, qui est cruciale pour les applications. Le projet AT-AI vise à développer une collaboration entre l'équipe SiMul du CRAN et des experts sur ce sujet du Département d'informatique de la KU Leuven (Belgique).

Article source : CNRS Sciences informatiques