Cette formation présentera les fondements et la mise en œuvre pratique de l’optimisation Bayésienne pour la recherche sur les matériaux. Elle s’adressera notamment aux chercheurs, ingénieurs, doctorants et postdoctorants souhaitant optimiser des compositions, des paramètres de synthèse, des procédés expérimentaux ou des conditions de simulation lorsque chaque nouvelle expérience ou chaque nouveau calcul représente un coût important.

L’objectif sera de montrer comment exploiter conjointement les données déjà disponibles, les prédictions d’un modèle et leurs incertitudes afin de sélectionner, de manière séquentielle, les expériences ou calculs les plus informatifs.

La formation comportera une partie conceptuelle ainsi que des exercices calculatoires et des travaux pratiques que j’assurerai directement.

Objectifs pédagogiques
À l’issue de la formation, les participants devront être capables:

• de formuler un problème de recherche sur les matériaux sous la forme d’un problème d’optimisation séquentielle
• de comprendre le rôle du modèle probabiliste, de l’incertitude et des fonctions d’acquisition
• de mettre en place une première boucle d’optimisation Bayésienne à partir de données expérimentales ou numériques
• de traiter des variables de composition, de procédé ou de structure, ainsi que des contraintes expérimentales
• d’interpréter les recommandations de l’algorithme et d’évaluer la progression de l’optimisation
• d’identifier les principales limites et erreurs méthodologiques, notamment en présence de peu de données, de bruit expérimental ou de variables fortement corrélées