- FR
- EN
La Direction Europe et International du CNRS a récompensé 5 lauréats lors de sa campagne International Emerging Actions 2023, une initiative visant à favoriser l'exploration de nouveaux champs de recherche et de partenariats à l'échelle internationale 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.
Parmi les lauréats, Clément Royer, maître de conférences à l’Université Paris Dauphine – PSL et chercheur au sein de l'équipe MILES du LAMSADE, a été récompensé pour son projet BONUS - Blackbox Optimization with a Novel Use of Subspaces. Ce projet est porté par Clément Royer et co-porté par Lindon Roberts, maître de conférences à l’Université de Sydney. Le financement du CNRS facilitera les échanges avec Sydney pour ce projet, ouvrant ainsi de nouvelles perspectives de collaboration internationale.
Toutes nos félicitations à Clément Royer !
Clément Royer a obtenu son doctorat de l'université de Toulouse en mathématiques appliquées en 2016. Il est également ingénieur diplômé de l'ENSEEIHT (membre de l'Institut National Polytechnique de Toulouse), en informatique et mathématiques appliquées.
De 2016 à 2019, il a été chercheur-postdoctorant au Wisconsin Institute for Discovery, laboratoire transdisciplinaire de l'université du Wisconsin-Madison, aux États-Unis. Il était alors membre du groupe d'optimisation ainsi que du pôle sciences des données. Clément Royer est récipiendaire du COAP Best Paper Prize 2019. En 2021, il a obtenu une bourse « Tremplin » de l’institut PRAIRIE, PaRis AI Research InstitutE, pour une durée de 3 ans. Il fait ainsi parti des 6 nouveaux jeunes chercheurs « tremplins » au potentiel scientifique exceptionnel dans le domaine de l'intelligence artificielle à être accueilli au sein de l’institut.
En savoir plus sur le projet BONUS
Les outils de calcul numérique toujours plus performants ont conduit à de grandes avancées dans le recours à la simulation physique ainsi qu'à l'intelligence artificielle. À mesure que ces processus gagnent en complexité, ils incorporent un nombre croissant de paramètres, qui doivent être calibrés pour obtenir la meilleure performance. L'optimisation de boîtes noires s'intéresse à l'obtention des meilleurs paramètres au sens d'un critère donné, au moyen d'algorithmes dits sans dérivées. Ces techniques sont par nature peu efficaces en présence d'un grand nombre de paramètres. Le projet BONUS s'intéresse à l'utilisation d'aléatoire dans les algorithmes sans dérivées, notamment en présence de contraintes sur les paramètres, qui représentent à la fois des difficultés pratiques et des considérations pratiques.
