Probabilities and Statistic seminar

Planning, titres et résumés ici.

We define a wide class of Markovian load balancing queueing networks, including classic networks studied in the lively literature on the subject. Each network has identical single-server infinite-buffer queues and implements a load balancing policy to allocate each task at its arrival and possibly reallocate it at service completions. The purpose of the policy is to optimize server utilization under constraints such as limited information, real-time decision taking, and network topology. The queue length process is not necessarily exchangeable. The invariant law is in general not known even up to normalizing constant. We provide perfect simulation methods in view of Monte Carlo estimation of quantities of interest in equilibrium, for instance for performance evaluation. In this infinite multi-dimensional state space, we use an unusual preorder defining an order up to permutation of the coordinates, define a coupling in which networks in this class are dominated by the network with uniform routing, and implement dominated coupling from the past methods.

[The talk will be in French, but slides will be in English.]

(Exceptionnellement, le séminaire aura lieu à Metz et sera diffusé en visio en salle de conférence à Nancy.)

Dans ces travaux effectués en collaboration avec J.-F. Coeurjolly (UQAM, Montréal) et P.-O. Amblard (Gipsa-Lab, Grenoble), nous proposons d’estimer une intégrale à  partir de points de quadrature produits par un processus ponctuel déterminantal (DPPs), construits à  partir de noyaux de type Dirichlet. Sous l’hypothèse que l’intégrande appartient à  un certain espace de Sobolev de régularité s>1/2 (condition vérifiée par de nombreuses fonctions non-continument différentiable), l’estimateur ainsi construit satisfait alors un théorème central limite avec une variance explicite et une vitesse de convergence hyperuniforme. Grâce à  la structure de ces DPPs, il est également possible d’utiliser une même configuration de points et, via la projection de ces points, estimer des intégrales de fonctions définies sur des espaces de dimension inférieure, tout en conservant les résultats asymptotiques obtenus précédemment.

Le theoreme de Bakry-Emery indique que, sous une condition d’uniforme
convexité du potentiel, certaines mesures de probabilités vérifient une
inégalité de Poincaré, avec une constante meilleure que celle associée à 
la mesure gaussienne. De manière équivalente, ce résultat s’interprète
comme une borne sur les valeurs propres de certains opérateurs de
diffusion. Dans cet exposé, je présenterai un résultat de stabilité : si
une telle mesure a une constante de Poincaré proche de celle de la
gaussienne, alors elle contient presque un facteur gaussien, avec des
bornes d’erreur explicites. La preuve repose sur une combinaison
d’arguments élémentaires de calcul des variations, et de la méthode de
Stein sur l’estimation de distances entre mesures de probabilités. Comme
application, on obtient des formes inverses de certaines inégalités de
concentration pour les mesures uniformément log-concaves. Travail en
collaboration avec Thomas Courtade.

Les modèles avec contraintes cinétiques constituent une classe de
modèles de mécanique statistique qui ont été introduits par les
physiciens pour décrire le comportement du verre. Il s’agit de modèles
de configurations sur des graphes dans lesquels chaque sommet du graphe
est soit à  l’état 0, soit à  l’état 1, et ne peut changer d’état que si
une contrainte de la forme « il y a assez de zéros dans le voisinage du
sommet » est satisfaite. Il existe une infinité de contraintes
possibles, et les propriétés d’un modèle dépendent fortement du choix de
sa contrainte. Une question très importante est donc celle de
l’universalité : peut-on répartir cette infinité de modèles en un nombre
fini de classes selon leur comportement ? Cette question a récemment été
résolue lorsque le graphe de base est Z2 pour une classe de modèles plus
simple, la percolation bootstrap, que l’on peut considérer comme une
version déterministe et monotone des modèles avec contraintes
cinétiques. Cependant, les modèles avec contraintes cinétiques
présentent un phénomène de barrière d’énergie qui peut rendre leur
comportement très différent de celui de la percolation bootstrap, et
nécessitent donc une classification d’universalité plus fine. Dans cet
exposé, on présentera une telle classification d’universalité pour les
modèles avec contraintes cinétiques.

Thanks to the sequencing revolution in biology, protein sequence
databases have been growing exponentially over the last years.
Data-driven computational approaches are becoming more and more
popular in exploring this increasing data richness. In my talk, I will
show that global statistical modeling approaches, like (Restricted)
Boltzmann Machines are able to accurately capture the natural
variability of amino-acid sequences across entire families of
evolutionarily related but distantly diverged proteins. We show that
these models are biologically interpretable; they allow to extract
information about the three-dimensional protein structure and about
protein-protein interactions from sequence data, and they unveil
distributed sequence motifs. These models can be seen as highly
performant generative models – they capture the natural sequence
variability far beyond fitted quantities, and they allow to design
novel, fully functional proteins by simple MCMC sampling approaches.

The neutron transport equation (NTE) describes the net movement of neutrons through an inhomogeneous fissile medium, such as a nuclear reactor. One way to derive the NTE is via the stochastic analysis of a spatial branching process. This approach has been known since the 1960/70s, however, since then, very little innovation in the literature has emerged through probabilistic analysis. In recent years, however, the nuclear power and nuclear regulatory industries have a greater need for a deep understanding the spectral properties of the NTE.

In this talk I will formally describe the dynamics of the so-called neutron branching process (NBP), along with an associated Feynman Kac representation. I will then discuss how the latter can be used to consider the long-term behaviour of the nuclear fission processes through both a Perron-Frobenius decomposition and a strong law of large numbers result.

We derive explicit formulae for the expected volume and the expected number of faces of the convex hull of several multidimensional Gaussian random walks, in terms of the Gaussian persistence probabilities. We generalize further our formulae to Gaussian random walks with random (Gaussian) starting points. Special cases include the d-dimensional Gaussian polytope with or without the origin.

Joint work with Dmitry Zaporozhets (Steklov Institute St Petersburg)

Cet exposé portera sur la dynamique en temps long de certains processus de Markov homogènes en temps. Pour ces processus auxquels sont associés des événements d’extinction, notre intérêt se tournera vers les trajectoires survivantes. La première question que j’aborde est l’existence et la possible unicité d’une distribution quasi-stationaire. Je reprends pour cela l’approche de Champagnat et Villemonais, dont j’esquisserai le lien avec la récurrence de Harris. Une étape clé de la preuve est alors de savoir comparer la survie à  long terme entre différentes conditions initiales.

Pour les processus en temps et espace continus à  trajectoires discontinues, un argument spécifique est nécessaire pour gérer les trajectoires pathologiques (problématiques à  court terme mais non représentatives à  long terme). La méthode que je vais vous décrire est sans doute bien technique, mais avec sa flexibilité, elle me semble très efficace. Je l’illustrerai sur quelques exemples : processus à  sauts purs ou déterministes par morceaux, voire combinant des sauts à  une diffusion.

Si le temps le permet, j’évoquerai aussi un lien direct entre quasi-stationarité, quasi-ergodicité et grandes déviations.

Avec S.Meleard et J.-R.Chazottes nous avons étudié des
processus de naissances et morts d’une ou plusieurs espèces qui
dépendent d’un (grand) paramètre donnant une échelle pour la taille de
la population. En supposant qu’il existe un unique point fixe
globalement attractant pour le système dynamique (normalisé) en
population infinie, nous établissons des bornes sur le temps
d’extinction global ainsi que l’existence et une borne supérieure sur
le temps de convergence vers la mesure quasi stationnaire. Avec
S.Martinez nous avons utilisé ces résultats pour établir une relation
micro-macro qui permet de déterminer la résilience à  partir des
fluctuations d’une trajectoire du processus.

Les Processus de Markov Déterministes par Morceaux (PDMP) sont des processus obtenus par la modulation aléatoire d’un nombre fini de champs de vecteurs. Il y a quelques années, deux conditions de type Hörmander portant sur les crochets de Lie des champs de vecteurs ont été données pour vérifier l’unicité d’une probabilité invariante (condition « faible ») ainsi que l’ergodicité exponentielle (condition « forte »). En principe, la condition « faible » ne suffit pas pour vérifier l’ergodicité exponentielle du PDMP. Néanmoins, nous verrons dans cet exposé, après avoir rappelé ces conditions,que s’il existe un point accessible annulant une combinaison linéaire des champs de vecteurs, la condition « faible » est suffisante pour l’ergodicité exponentielle. Une application sera donnée à  des systèmes de Lotka-Volterra switchés. Basé sur un travail avec Michel Benaïm et Tobias Hurth.