
Gnonnan Jean-Paul ADOGBO, PhD
Chercheur postdoctoral en Deep Learning
Salaire / Taux journalier
Paris, France
Freelance, ouvert au CDI
Expertises
À propos
Introduction
J’ai récemment soutenu ma thèse de doctorat en mathématiques appliquées à l’Université Paris Dauphine–PSL. Passionné par le Deep Learning, je collabore actuellement avec des professeurs de Sorbonne Université sur l’application de modèles d’apprentissage profond à l’analyse et à la simulation de phénomènes physiques. En parallèle, j’occupe un poste de demi-ATER à l’Université Paris Dauphine.
Expérience de travail
Université Paris Dauphine- PSLFreelance
sept. 2021 - Présent
5 ans 2 mois
Paris, France
Chercheur postdoctoral en Deep Learning
sept. 2025 - Présent
1 an 2 mois
Paris, France
Ce travail porte sur le développement de méthodes hybrides combinant analyse numérique et apprentissage profond pour la résolution et la modélisation de phénomènes physiques. Il s’agit, d’une part, d’intégrer des schémas numériques multigrilles au sein d’architectures de réseaux de neurones profonds afin de résoudre des équations hyperboliques de lois de conservation en dimension un. D’autre part, nous concevons des modèles de Deep Learning intégrant explicitement des contraintes physiques ainsi que des connaissances a priori ,telles que la conservation de la masse, la décroissance de l’énergie..., sur les systèmes dynamiques, dans le but d’améliorer la prédiction et la compréhension des phénomènes physiques. Les calculs intensifs nécessaires à ces développements sont réalisés sur le supercalculateur Jean Zay du CNRS.
Attaché Temporaire d'Enseignement et de Recherche (ATER)
sept. 2024 - Présent
2 ans 2 mois
Paris, France
Enseignant
sept. 2021 - Présent
5 ans 2 mois
Contract Part-time
▶Analyse 2, TD, 2e année de licence Mathématiques-Informatiques à Université Paris Dauphine •2021-2022: 54h •2022-2023: 54h •2023-2024: 54h ▶ Calcul fonctionnel, Cours/TD, 1e année de licence Mathématiques-Informatiques à Université Paris Dauphine •2023-2024: 30h
PhD student in applied mathematics
oct. 2021 - oct. 2025
4 ans 1 mois
Paris, France
Cette thèse est consacrée à l’étude de plusieurs systèmes modélisant des phénomènes de la mécanique des fluides, tels que l’écoulement de fluides visqueux, compressibles ou incompressibles, avec ou sans capillarité. Dans la première partie, nous revisitons les résultats d’existence locale en temps pour les solutions de systèmes hyperboliques-paraboliques tels que les équations de Navier–Stokes, de la MHD, de l’électromagnétisme, de la viscoélasticité... Nous établissons de nouveaux résultats dans des espaces à régularité critique pour des données initiales convenables. Par la suite, nous démontrons l’existence de solutions globales en temps pour de petites données initiales dans des espaces de Besov homogènes critiques. Enfin, nous justifions la convergence en temps long vers des états stationnaires stables, avec un taux de décroissance algébrique. La deuxième partie est consacrée à l’analyse du bien-posé global d’un écoulement compressible biphasique présentant une transition de phase régulière. Plus précisément, nous montrons qu’à partir de grandes données initiales dans des espaces de Lebesgue Lp il est possible de construire des solutions globales en temps dans ces mêmes espaces. Enfin, la dernière partie porte sur l’étude d’un écoulement de fluide incompressible multiphasique. Si l’existence et l’unicité de solutions globales en temps sont bien comprises lorsque la densité initiale est bornée, la situation est moins claire lorsque cette densité ne l’est pas. Nous démontrons que, si la densité initiale appartient à un espace de type Yudovich (la densité initiale peut ne pas être bornée), il est néanmoins possible de construire des solutions globales en temps.
Cemracs2025
CEMRACS'25
juil. 2025 - août 2025
2 mois
Marseille, France
-Conception d’algorithmes avancés pour la partition de graphes comportant plusieurs milliers de noeuds en sous-graphes optimisés. ⋄ Développement de méthodes innovantes visant à déterminer le plus long chemin dans un graphe. ⋄ Application de ces algorithmes sur des données réelles issues de L’Oréal (plusieurs milliers de points de données), notamment pour le séquençage génomique de bactéries. Superviseur: Gerome Gomar (L’Oréal)
Professional development
Career break
oct. 2024 - déc. 2024
3 mois
Gif-sur-Yvette, France
J'ai suivi en participant libre, sur la période d’octobre à décembre 2024, le cours électif « Systèmes Hyperboliques de Lois de Conservation », dispensé en 3ième année du cursus ingénieur de l’école CentraleSupélec. A l’issue de cet enseignement, j'ai réalisé un travail individuel, portant sur l’analyse mathématique et l’analyse numérique d’un modèle hyperbolique de trafic routier et celui de l'equation d'Euler. La simulation numérique a été réalisée en C++ .
Research Internship
Sorbonne Université
mai 2021 - oct. 2021
6 mois
Paris, France
Stage de recherche sur l'analyse des équations issues de la mécanique des fluides, en particulier, l'équation de Navier-Stokes incompressible et compressible, sous la direction de Raphaël Danchin. Titre: Méthodes d'analyse de Fourier pour les modèles de fluides non homogènes. • Analyse Harmonic • Analyse de Fourier •Construction de solutions locale et globale en temps
Formation
Université Paris Dauphine - PSL
Doctor of Philosophy - PhD, Applied Mathematics
2021 - 2025
4 ans 1 mois
Sorbonne Université
Master 2 (M2), Applied Mathematics
2020 - 2021
1 an
IMSP | Institut de Mathématiques et de Sciences Physiques
2018 - 2020
1 an 11 mois