L'Ecole peut compter sur l'activité de 7 laboratoires impliquant 50 enseignants-chercheurs appuyés par 100 doctorants dans le domaine de l'IA et Data.
- Nos doctorants s'illustrent dans ces domaines avec des collaborations avec des entreprises de pointe telles que Facebook. Ici Pauline Luc, qui travaille pour les laboratoires de Facebook France. Objet de ses études : les prédictions structureées pour la segmentation seémantique faiblement supervisée.
- CentraleSupélec braque le projecteur sur ses activités de recherche en intelligence artificielle et data appliqués dans la médecine en lançant une série de podcasts - reportages.
Le premier épisode vient de sortir : il présente le projet PRISM coordonné avec l'Institut Gustave Roussy, l'Université Paris-Saclay et l'INSERM.
Ce centre de médecine de précision de deuxième génération aura pour mission de modéliser le cancer à l’échelle individuelle en créant des avatars numériques des tumeurs. L’objectif est d’identifier très tôt dans la maladie les patients porteurs de cancers les plus agressifs, sans attendre les rechutes, afin de leur proposer le traitement le plus approprié dès le début de la prise en charge, en s’appuyant sur l’immense volume de données cliniques, biologiques et moléculaires et leur analyse par intelligence artificielle. PRISM mènera des études cliniques de grande ampleur et développera des technologies d’analyse moléculaire et des méthodes d’analyse de données.
Coordonné par le professeur Fabrice André, directeur de la recherche de Gustave Roussy, directeur de recherche Inserm et professeur à l’Université Paris-Saclay, Prism vise à révolutionner la compréhension des mécanismes moléculaires et biologiques de développement et de progression du cancer grâce à l’intelligence artificielle. A partir des données de plus en plus riches et de types variés (cliniques, génomiques, microbiologiques, d’imagerie…), les algorithmes d’apprentissage permettent de développer des outils de diagnostic et de pronostic plus fins, et ainsi de proposer des thérapies personnalisées en fonction des caractéristiques de l’individu.
Financé par l’Agence Nationale de la Recherche, le Prism a reçu en 2018 le label IHU, puis le label Centre National de Médecine de Précision.
Deux laboratoires de l'Ecole sont impliqués dans ce projet :
- Le laboratoire MICS ( Mathématiques et Informatique pour la Complexité et les Systèmes ) qui a travaillé sur de nouvelles méthodes et de nouveaux raisonnements de traitement de données via des algorithmes. La variété et l'immensité des volumes de data recueillies étant trop importantes au niveau de la capacité humaine de traitement, ce laboratoire propose donc l'aide de solutions IA qui savent trier, analyser et interpréter toutes les données médicales.
- Le laboratoire CVN (Centre de Vision numérique), lui, intervient essentiellement en imagerie médicale, radiologie grâce notamment à l'usage de l'apprentissage profond ou deeplearning.
Le podcast est accessible également sur les plateformes suivantes :
APPLE |
DEEZER |
SPOTIFY |
|
4 thèmes de recherche
L'Ecole peut compter sur l'activité de 7 laboratoires impliquant 50 enseignants-chercheurs appuyés par 100 doctorants dans le domaine de l'IA et Data. Au niveau national, CentraleSupélec est un partenaire clé de l'Institut DATAIA.
Ces personnes concentrent leurs efforts sur 4 thèmes de recherche principaux ci-dessous :
Explainable AI: Computer Vision, Natural Language Processing, Data & Signal Understanding.Laboratoires impliqués : Thèmes :
|
 |
Neurosciences & Cognition avec l'équipe Facial Analysis Synthesis and Tracking (FAST) :
|
 |
"From Photonics to AI" avec le laboratoire LMOPS :
|
 |
Decision Making & Support avec le laboratoire du Génie industriel.
|
 |
5 domaines d'applications
1 - Environnement
SAR imaging: detect and manage flooded areas by Pr. Frédéric Pascal from L2S
Context: Use of heterogeneous satellites images of same areas to detect natural disasters
Random models, manifold learning MRF, change detection.
2 - Finance quantitative
How to model the operators behavior on financial markets by Pr. Frédéric Abergel from MICS.
Context: quantitative finance - from data, understand financial markets at several levels (micro, operators behavior, products, warrants…)
Random models, numerical simulations, massive and unstructured data analysis.
3 - Human-Machine interaction
Modeling and reproducing human emotions by Pr Renaud Séguier (FAST team, Rennes campus)
Context: Medical applications such as psychological injuries (traumas), nervous breakdowns.
E-learning: application of Human-Machine interaction M. Geist (UMI, Metz)
Context: reinforcing learning – where software agents learn to control dynamical systems based on interactions
Machine learning, sequential decisions, optimization
4 - Personalized Digital Health
Improving the diagnosis tools Nikos Paragios from CVN.
Context: New in vivo acquisition devices, 3D and 4D massive data. Artiticial vision to assist the eyes of the medical staff.
Computer Vision Machine Learning Discrete Optimization
Integrating knowledge for a better interpretation by Pr. Céline Hudelot from MICS.
Context: Interaction between data and knowledge for a better interpretation of massive and complex data.
Artificial Intelligence (KR) Machine Learning Graphs Computer Vision
5 - Telecommunication
Ultrafast data processing for optical telecom by Damien Rontani fom LMOPS.
Context: Translating concepts / algorithms from machine learning on physical hardware with a focus on photonics and optoelectronic architectures
Ultra-large scale photonics neural networks - Hardware friendly training methods - Simulation of optical neuromorphic chips
Information Theory and Deep learning beyond Communications Pablo Piantanida (L2S)
Context: capitalize on powerful and fertile concepts from information theory in order to advance the state-of-the-art in deep learning
Information theory – Deep Learning - Deep neural networks
Collaborations académiques
- MICS/LOGIMAS (Céline Hudelot): Télécom ParisTech, Lamsade, Verone University, ICST Trento, Univ Cardiff, TU Berlin, TU Dresden, Neurospin, CNAM, Science Po
- L2S (Pablo Piantanida) : LIA - CNRS (International Associated Laboratory CNRS) on ‘Information, Learning and Control’: interplay between information theory, deep learning and control in Smart Grids (CS, Université Paris Sud, CNRS and several Canadian institutions: Université de Montréal, INRS, MacGill University, Concordia University, ET)
- L2S (Pablo Piantanida) : H2020-MSCA-IF-2016 : Information Theory beyond Communications: Distributed Representations and Deep Learning, (with Prof. Y. Bengio (MILA - Université de Montréal and IVADO)
- LMOPS (Damien Rontani): ULB, U Ghent, KU Leuven (Belgium), IHP (Germany), FEMTO-ST (France), Georgia Tech (USA), Saitama U (Japan)
Collaborations avec les entreprises
L'Ecole noue des partenariats avec de nombreux grands groupes. Une chaire data a été par exemple récemment signée avec Givaudan. Et également avec des startups prometteuses telles que Dynamixyz, 3D Sounds Labs ou Immersive Therapy.
