Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

High-dimensional mathematical methods for LargE Agent and Particle systems

Description du projet

Une approche informatique efficace pour décrire la dynamique des grands systèmes complexes

Les systèmes à base de particules et d’agents en interaction se rencontrent dans de nombreux domaines scientifiques, notamment la science des matériaux, la biologie, l’économie et les sciences sociales. Les modèles mathématiques actuels peinent toutefois à simuler des problèmes de haute dimension. Financé par le Conseil européen de la recherche, le projet HighLEAP entend développer un nouveau cadre mathématique permettant de simuler de manière plus efficace et plus précise des systèmes à base de particules et d’agents en haute dimension. Il lui faudra relever divers défis, notamment les problèmes d’optimisation parcimonieuse pour les problèmes de transport optimal multi-marginal, la résolution numérique d’équations différentielles partielles à haute dimension et l’approximation efficace d’équations différentielles stochastiques paramétriques. En améliorant le pouvoir prédictif des modèles basés sur les particules et les agents, HighLEAP aura d’importantes implications dans divers domaines, tels que la chimie quantique, la dynamique moléculaire, le mouvement des foules et le trafic urbain.

Objectif

Interacting particle- or agent-based systems are ubiquitous in science. They arise in an extremely wide variety of applications including materials science, biology, economics and social sciences. Several mathematical models exist to account for the evolution of such systems at different scales, among which stand stochastic differential equations, optimal transport problems, Fokker-Planck equations or mean-field games systems. However, all of them suffer from severe limitations when it comes to the simulation of high-dimensional problems, the high-dimensionality character coming either from the large number of particles or agents in the system, the high amount of features of each agent or particle or the huge quantity of parameters entering the model.

The objective of this project is to provide a new mathematical framework for the development and analysis of efficient and accurate numerical methods for the simulation of high-dimensional particle or agent systems, stemming from applications in materials science and stochastic game theory.

The main challenges which will be addressed in this project are:
-sparse optimization problems for multi-marginal optimal transport problems, using moment constraints;
-numerical resolution of high-dimensional partial differential equations, with stochastic iterative algorithms;
-efficient approximation of parametric stochastic differential equations, by means of reduced-order modeling approaches.

The potential impacts of the project are huge: making possible such extreme-scale simulations will enable to gain precious insights on the predictive power of agent- or particle-based models, with applications in various fields, such as quantum chemistry, molecular dynamics, crowd motion or urban traffic.

Champ scientifique (EuroSciVoc)

Ce projet n'a pas encore été classé par EuroSciVoc.
Proposez les domaines scientifiques qui vous semblent les plus pertinents et aidez-nous à améliorer notre service de classification.

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

HORIZON-ERC - HORIZON ERC Grants

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) ERC-2022-STG

Voir tous les projets financés au titre de cet appel

Institution d’accueil

ECOLE NATIONALE DES PONTS ET CHAUSSEES
Contribution nette de l'UE
€ 1 379 858,00
Adresse
AVENUE BLAISE PASCAL-CITE DESCARTES-CHAMPS-SUR-MARNE 6-8
77455 Marne La Vallee Cedex 2
France
Région
Ile-de-France Ile-de-France Seine-et-Marne
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
€ 1 379 858,00

Bénéficiaires (1)