Gnonnan Jean-Paul ADOGBO, PhD

Chercheur postdoctoral en Deep Learning

Salaire / Taux journalier

Paris, France

Freelance, ouvert au CDI

Expertises

Deep LearningPyTorchPythonMachine LearningData AnalysisC++

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.

Liens

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

Le meilleur endroit pour trouver votre prochaine opportunité

© 2026. Tous droits réservés.