Contexte
L'évolution des concentrations protéiniques dans un Réseau de Régulation Génétique d'un organisme même très simple met en oeuvre de très nombreuses interactions, entre les protéines et les gènes qui les produisent d'une part, du fait des propriétés d'excitation ou d'inhibitions que chaque protéine peut avoir vis-à-vis de chaque gène, et entre les protéines entre elles d'autre part. On aboutit ainsi à des systèmes d'équations différentielles de plusieurs milliers d'équations dont la résulution peut prendre plusieurs minutes sur un ordinateur puissant.
Deux problèmes se posent alors au biologiste: dans un premier temps, il s'agit d'identifier les quelques dizaines de variables libres du modèle pour reproduire les données expérimentales. Ce problème d'identification est mal posé, et les algorithmes évolutionnaires sont des candidats idéaux pour les attaquer, dans une approche multi-objectif, puisque l'on dispose en général de plusieurs jeux de données ... souvent légèrement contradictoires...
Le problème qui se pose ensuite est le contrôle du système, où comment jouer sur quelques-uns des paramètres sur lesquels on peut concrètement agir avec précision pour amener le système dans un état donné. Ici encore, les algorithmes évolutionnaires mutli-objectif semblent être un candidat possible à la résolution du problème.
Objectifs du stage
Le stage se concentrera sur l'utilisation de l'algorithme CMA-ES (Covariance Matrix Adaptation Evolution Strategy), état de l'art en algorithmes évolutionnaires à variables continues, et dont une version multi-objectif vient d'être mise au point. On s'attaquera au problème d'identification, puis, suivant les résultats obtenus, au problème de contrôle.
De plus, TAO est impliqué dans le projet Européen GENNETEC dont un autre partenaire est le Groupe de Dynamique Non-Linéaire de l'IST à Lisonne qui dispose à la fois de modèles simples et de données rélles, ains que de programmes de résolution du problème direct tout à fait au point. Ceci permettra d'une part la prise en main des différents concepts et outils sur des problème jouets, d'autre part la validation des résultats obtenus sur de vrais données.
Pré-requis
Une connaissance des bases de l'optimisation continue est indispensable.
Le goût et une expérience minimale de programmation en C++ sont également absolument nécessaires.
Responsables: Miguel [dot] Nicolau [at] gmail [dot] com
Marc [dot] Schoenauer [at] inria [dot] fr
en collaboration avec Rui Dilao, IST, Lisbonne
Le stage a lieu au LRI à Orsay est peut donner lien à une indemnisation de stage au (faible) tarif syndical.
L'évolution des concentrations protéiniques dans un Réseau de Régulation Génétique d'un organisme même très simple met en oeuvre de très nombreuses interactions, entre les protéines et les gènes qui les produisent d'une part, du fait des propriétés d'excitation ou d'inhibitions que chaque protéine peut avoir vis-à-vis de chaque gène, et entre les protéines entre elles d'autre part. On aboutit ainsi à des systèmes d'équations différentielles de plusieurs milliers d'équations dont la résulution peut prendre plusieurs minutes sur un ordinateur puissant.
Deux problèmes se posent alors au biologiste: dans un premier temps, il s'agit d'identifier les quelques dizaines de variables libres du modèle pour reproduire les données expérimentales. Ce problème d'identification est mal posé, et les algorithmes évolutionnaires sont des candidats idéaux pour les attaquer, dans une approche multi-objectif, puisque l'on dispose en général de plusieurs jeux de données ... souvent légèrement contradictoires...
Le problème qui se pose ensuite est le contrôle du système, où comment jouer sur quelques-uns des paramètres sur lesquels on peut concrètement agir avec précision pour amener le système dans un état donné. Ici encore, les algorithmes évolutionnaires mutli-objectif semblent être un candidat possible à la résolution du problème.
Objectifs du stage
Le stage se concentrera sur l'utilisation de l'algorithme CMA-ES (Covariance Matrix Adaptation Evolution Strategy), état de l'art en algorithmes évolutionnaires à variables continues, et dont une version multi-objectif vient d'être mise au point. On s'attaquera au problème d'identification, puis, suivant les résultats obtenus, au problème de contrôle.
De plus, TAO est impliqué dans le projet Européen GENNETEC dont un autre partenaire est le Groupe de Dynamique Non-Linéaire de l'IST à Lisonne qui dispose à la fois de modèles simples et de données rélles, ains que de programmes de résolution du problème direct tout à fait au point. Ceci permettra d'une part la prise en main des différents concepts et outils sur des problème jouets, d'autre part la validation des résultats obtenus sur de vrais données.
Pré-requis
Une connaissance des bases de l'optimisation continue est indispensable.
Le goût et une expérience minimale de programmation en C++ sont également absolument nécessaires.
Responsables: Miguel [dot] Nicolau [at] gmail [dot] com
Marc [dot] Schoenauer [at] inria [dot] fr
en collaboration avec Rui Dilao, IST, Lisbonne
Le stage a lieu au LRI à Orsay est peut donner lien à une indemnisation de stage au (faible) tarif syndical.