Séminaire EDP et Applications | Nancy

The mathematical modelling of cancer has been increasingly applying fluid-dynamics concepts to describe the mechanical properties of tissue growth. The biomechanical pressure plays a central role in these models, both as the driving force of cell movement and as an inhibitor of cell proliferation. In this talk, I will present how it is possible to build a bridge between models that have different pressure-velocity or pressure-density relations. In particular, I will focus on the inviscid limit from a Brinkman model to a porous medium-type model, and the incompressible limit that links the latter to a Hele-Shaw free boundary problem with density constraint.

Dans cet exposé, nous discutons de l’existence de solutions de norme L^2 prescrites pour des équations de Schrödinger non linéaires sur des graphes métriques. Une stratégie commune employée pour trouver une telle solution est de chercher un point critique sous contrainte de la fonctionnelle d’énergie associée. Certaines propriétés géométriques de la fonctionnelle varient en fonction de l’exposant du terme non linéaire de l’équation. Dans le cas dit de masse sous-critique, la fonctionnelle est bornée inférieurement et coercive sur la contrainte, de sorte que l’on peut rechercher un point critique en tant que minimum global. C’est pourquoi ce cas a été largement étudié ces dernières années.

Cependant, dans le cas complémentaire, connu sous le nom de masse sur-critique, la fonctionnelle d’énergie n’est plus bornée inférieurement sur la contrainte et présente un manque de d’estimation a priori sur les points critiques possibles. Par conséquent, on sait encore très peu de choses sur ce cas. A travers la présentation des quelques résultats existants, nous discuterons des principaux obstacles qui doivent être surmontés pour traiter ce cas sous des hypothèses générales. Nous présenterons également certains des outils qui ont déjà été développés à cette fin.

Cet exposé est basé sur des travaux communs avec J. Borthwick (Besançon puis Montréal), X. Chang (Changchun) et N. Soave (Turin).

We will discuss several models that might be regarded as migration models of populations moving from one part of a domain to the other and becoming part of the population living on the other side. Different situations assuming symmetry of movement between both sides of the domain, following a logistic model in their own environment and assuming spatial heterogeneities, are going to be discussed. Through such a common boundary both populations are coupled, acting as a permeable membrane on which their flow moves in and out. We will describe the precise interplay between the stationary solutions with respect to the parameters involved in the problem, in particular the growth rate of the populations and the coupling parameter involved on the boundary where the interchange of flux is taking place.

L’exposé se veut un résumé de mes travaux de thèse, qui portent une attention particulière aux schémas de Boltzmann sur réseau. Cette classe de schémas est utilisée depuis la fin des années ’80, en particulier en mécanique des fluides, et se caractérise par sa grande rapidité. Cependant, les méthodes de Boltzmann sur réseau sont très gourmandes en termes d’espace mémoire et conçues pour des maillages Cartésiens uniformes. De plus, nous manquons d’outils théoriques généraux qui permettent d’en analyser la consistance, la stabilité et enfin la convergence. Le travail s’articule autour de deux axes principaux. Le premier consiste à proposer une stratégie permettant d’appliquer les méthodes de Boltzmann sur réseau à des grilles de calcul non-uniformes adaptées dynamiquement en temps, afin de réduire le coût de calcul et de stockage. Le fait de pouvoir contrôler l’erreur commise et d’être en mesure d’employer la méthode quel que soit le schéma de Boltzmann sous-jacent sont des contraintes supplémentaires à prendre en compte. Pour cela, nous proposons d’adapter dynamiquement le réseau ainsi que d’ajuster toute méthode de Boltzmann à des maillages non-uniformes en nous appuyant sur la multirésolution. Cela a permis de proposer un cadre innovant pour des maillages mobiles en respectant les contraintes posées. Le second axe de recherche consiste à donner un cadre mathématiquement rigoureux aux méthodes de Boltzmann sur réseau, lié en particulier à leur consistance vis-à-vis des EDPs visées, leur stabilité et donc leur convergence. Pour cela, nous proposons une procédure, basée sur des résultats d’algèbre, pour éliminer les moments non-conservés de n’importe quel schéma de Boltzmann sur réseau, en le transformant en un schéma aux différences finies multi-pas sur les moments conservés. Les notions de consistance et stabilité pertinentes pour les méthodes de Boltzmann sur réseau sont donc celles des schémas aux différences finies. En particulier, tous les résultats concernant ces derniers, entre autres le théorème de Lax, se transpose naturellement aux schémas de Boltzmann sur réseau. Une étape ultérieure consiste à étudier la consistance et la stabilité directement sur le schéma de départ sans devoir calculer sa méthode aux différences finies « correspondante ». Cela permet d’en obtenir les équations modifiées et de montrer le bien-fondé des analyses de stabilité à la von Neumann couramment utilisées au sein de la communauté.

Depuis son introduction par Allen et Berkley en 1972, la méthode des
sources images est l’une des techniques les plus populaires pour la
modélisation des réponses impulsionnelles (RIR) en acoustique des
salles. Cette méthode modélise chaque réflexion d’une impulsion sonore
sur les murs d’une pièce rectangulaire (ou polyédrique) comme une source
impulsionnelle de type Dirac, obtenue à partir de critères géométriques
simples. Quelques travaux récents étudient l’estimation de la forme
d’une pièce tridimensionnelle en exploitant les temps d’arrivée des
échos dans l’enregistrement de la réponse impulsionnelle de salle.
Différentes limitations apparaissent dans ce type de méthode, notamment
la localisation temporelle des échos et leur labellisation. La méthode
présentée dans cet exposé permet la reconstruction des positions 3D des
sources images sans labellisation préalable des réflexions. Le problème
inverse est posé comme un problème convexe en dimension infinie de
reconstruction parcimonieuse en 3D des sources images, l’opérateur
linéaire d’observation à inverser faisant intervenir la solution de
l’équation des ondes avec un terme source mesure. Les dimensions d’une
pièce rectangulaire peuvent ensuite être estimées précisément à l’aide
du nuage de sources images ainsi reconstruites. L’exposé se conclura par
la présentation d’une approche alternative en cours de développement
basée sur l’optimisation de forme et la méthode des solutions
fondamentales, qui devrait permettre de dépasser le cas des pièces
rectangulaires.

The aim of this article is to analyze numerical schemes using two-layer neural networks with infinite width for the resolution of the high-dimensional Poisson partial differential equation (PDE) with Neumann boundary condition. Using Barron’s representation of the solution with a probability measure defined on the set of parameter values, the
energy is minimized thanks to a gradient curve dynamic on the 2-Wasserstein space of the set of parameter values defining the neural network. Inspired by the work from Bach and Chizat, we prove that if the gradient curve converges, then the represented function is the solution of the elliptic equation considered. In contrast to previous works, the activation function we use here is not assumed to be homogeneous to obtain global convergence of the flow. Numerical experiments are given to show the potential of the method.

On s’intéresse au problème d’optimisation de formes consistant à maximiser les valeurs propres du Laplacien avec conditions de Neumann homogènes. Ces valeurs propres interviennent notamment dans des problèmes acoustiques ou thermiques et sont en particulier liées à la « hot spot conjecture ». Contrairement aux valeurs propres de Dirichlet, celles associées au problème de Neumann sont de nature plutôt instable, ce qui rend le problème d’optimisation difficile. On verra comment certaines explorations numériques du problème pour des domaines du plan et de la sphère ont permis de mettre en évidence certaines propriétés des optima.

En fin de présentation, on fera une petite digression sur la capacité d’un réseau de neurones à apprendre les valeurs propres d’un opérateur.