|
13-14 nov. 2025 Besançon (France)
|
|
|
|
Programme > Conférences plénières
Conférence industrielle
Gaël Matten holds a PhD in mechanical engineering from the University of Franche-Comté (UFC) and an engineering degree from Supmicrotech-ENSMM. After a path marked by mechatronics, drone research, and work on programmable piezoelectric materials at the FEMTO-ST Institute, he turned his focus to acoustics and developed an innovative technology for controlling acoustic noise. To bring this innovation to market, Gaël founded Vibiscus in 2021, a spin-off from the FEMTO-ST Institute. The company aims to revolutionize acoustics with a lightweight, aesthetic, and high-performance solution against noise pollution. Résumé de la plenière Vibiscus : du labo à l'industrie, comment la lutte contre le bruit sauve des vies. Vibiscus, Spin-off de l'institut FEMTO-ST, est devenue une référence mondiale dans la lutte contre les nuisances sonores dans les systèmes de ventilation et les environnements de transport. La lutte contre le bruit est essentielle pour améliorer la qualité de vie et la santé publique, en réduisant les nuisances sonores qui peuvent affecter le bien-être des individus. Grace à une technologie hybride, combinant des approches passives et actives pour modifier les propriétés acoustiques de l'air, Vibiscus offre une réduction efficace du bruit avec une consommation énergétique réduite. Les solutions VIBISCUS se distinguent par leur compacité, avec un encombrement moindre que les systèmes existants, une efficacité accrue sur les basses fréquences et une perte de charge minimale, permettant une intégration aisée sans compromettre les performances des systèmes de ventilation. Dans le cadre des JJCAB, Gaël Matten, CEO et cofondateur de Vibiscus présentera le parcours de la création d'une start-up issue d'un laboratoire de recherche pour devenir un acteur industriel leader dans son domaine.
Conférence académique
Rafael Teloli is an Associate Professor at the École Nationale Supérieure de Mécanique et des Microtechniques (SUPMICROTECH) in Besançon, France, and a researcher at the FEMTO-ST Institute. He obtained his Bachelor’s and PhD degrees in Mechanical Engineering from São Paulo State University (UNESP), Brazil, with part of his doctoral research conducted at the FEMTO-ST Institute, Applied Mechanics Department. He currently leads an ANR JCJC project on autonomous repair protocols for metastructures. His research interests include structural health monitoring, machine and deep learning for vibroacoustic problems with a focus on physics-informed approaches, as well as uncertainty quantification within the Bayesian framework.
Résumé de la plenière Apprentissage guidé par la physique à différents niveaux de connaissance du modèle
L’intégration de la modélisation physique et de l’intelligence artificielle ouvre de nouvelles perspectives pour la compréhension et le contrôle des systèmes mécaniques complexes. Toutefois, la nature de cette intégration dépend du degré de connaissance que nous avons des lois physiques sous-jacentes. Cette présentation propose un parcours à travers trois régimes de connaissance physique. Lorsque les équations gouvernantes sont bien établies, les réseaux de neurones informés par la physique (PINNs) permettent d’intégrer directement les opérateurs différentiels au sein des architectures d’apprentissage, fusionnant ainsi modélisation analytique et inférence à partir des données. Lorsque le modèle est partiellement connu ou simplifié, une approche hybride fondée sur des modèles autorégressifs non linéaires et l’identification parcimonieuse des dynamiques (SINDy) permet d’apprendre la partie manquante entre théorie et expérience. Enfin, lorsque le modèle physique est inconnu, l’apprentissage par renforcement associé à la computation bayésienne approchée (ABC) offre un cadre probabiliste et exploratoire pour inférer les comportements constitutifs, tels que ceux des matériaux viscoélastiques. À travers ces trois exemples, j’examinerai comment le rôle de la physique dans l’apprentissage évolue selon le niveau de connaissance du système mécanique.
|
