CARDENAS CHAPELLIN Julio

Informations personelles

Doctorant : Cárdenas Chapellín Julio José

Téléphone : +33640871591

Mail : julio.cardenas_chapellin@upmc.fr

Nationalité : Vénézuélien

Thèse

Sujet : "Inversion de signaux geophysiques par apprentissage profond"

Domaines : Géophysique, Hydrogéologie, Informatique.

Laboratoires du Nord :

 Unité de Modelisation Mathématique et Informatique de Systèmes Complexes (UMMISCO), IRD (Bondy, France).

 Unité Milieux environnementaux, transferts et interactions dans les hydrosystèmes et les sols (METIS), Université Pierre et Marie Curie (Paris, France).

Laboratoires du Sud :

 Departament of Mathematics and Applied Mathematics, Cape town University, (Cape town, South Africa).

Résumé : Depuis quelques années, les algorithmes d’apprentissage profond (« Deep Learning »), ont pris le relais permettant une identification non supervisée à partir de très grands jeux de données (LeCun & al, 2015). Bien que cette dernière technique soit informatiquement gourmande, la disponibilité croissante des machines multiprocesseurs CPU ou GPU n’est maintenant plus un frein à son utilisation. L’application de l’apprentissage profond à la géophysique de sub-surface devrait d’une part pallier les faiblesses des algorithmes d’inversion linéaires ou non. D’autre part, les différents bruits affectant les données réclament souvent un ajustement fin des paramètres d’amortissement en privilégiant un compromis entre la variance de la solution et la variance des erreurs d’ajustements. Finalement, la physique sous-jacente au problème direct, conduisant fréquemment à des artéfacts lors de l’inversion, peut également être occultée, ce qui garantit également une relative indépendance par rapport à un paramétrage imparfait. Ce sujet de thèse doit permettre de valider l’utilisation effective de l’apprentissage profond sur différents thèmes géophysiques : inversion de sondages géophysiques (sondages électriques et électromagnétiques), identification des structures et reconnaissance automatique des anomalies. L’application ultérieure concernera l’identification d’autres proxy géologiques ou hydrogéologiques à partir d’une approche géophysique multi-méthodes.