PDE and applications seminar | Metz

Résumé à venir

Résumé à venir

Résumé à venir

Résumé à venir

Résumé à venir

Kernel-based methods are central to modern data analysis, supporting nonlinear regression, forecasting, and advanced function approximations and extensions. Here, we introduce two multiscale kernel constructions, adapted for three distinct application settings, each centered
around function approximations and extension schemes.

First, a multiscale iterative scheme is used to enhance coarse-grid finite-difference computations, enabling accurate fine-grid solutions. This same iterative scheme is also employed in a spatiotemporal kernel regression model, which fuses information from multiple spatial locations. This approach yields accurate forecasts across diverse real-world datasets, including solar energy productions, epidemiological trends, and fire-events dynamics.
Finally, a second construction uses high-order multiscale kernels, which are constructed via combinations of scaled Gaussians. This approach preserves more spectral energy in the leading modes and enhances Nyström-type extensions and out-of-sample embeddings in manifoldlearning settings.
Altogether, these contributions offer a unified multiscale perspective. By capturing data geometry with kernels and transferring information across scales and modalities, the framework enables a robust yet simple scheme for approximations and extensions. This approach is readily applicable to a wide range of scientific problems.

Résumé à venir

La ‘Cubed-Sphere” est un maillage de la sphere base sur le cube qui la contient. Ce maillage presente des avantages pour les methodes numeriques. Nous presentons une famille d’approximations de type “schemas compacts” sur ce maillage. Les operateurs surfaciques gradient, divergence, Laplacien sont approches a l’ordre 4. Cela permet d’envisager des schemas naturels pour des modeles importants pour la climatologie tels que les equations de Saint-Venant sur la sphere en rotation. Un point complet sera presente sur les resultats obtenus sur ces questions.

Les matériaux ferromagnétiques sont caractérisés par une aimantation spontanée qui a tendance à  se structurer en domaines séparés par des structures fines appelées murs. Cette propriété est utilisée dans les fils ferromagnétiques pour l’enregistrement de données numériques. Après avoir construit un modèle monodimensionnel de fils ferromagnétiques, on donnera une description précise de la dynamique des murs lorsque le fil est soumis à  un champ magnétique.