No description available.

Ce travail présente quelques résultats sur les systèmes de particules en interaction pour l'interprétation probabiliste des équations aux dérivées partielles, avec des applications à des questions de dynamique moléculaire et de chimie quantique. On présente notamment une méthode particulaire permettant d'analyser le processus de la force biaisante adaptative, utilisé en dynamique moléculaire pour le calcul de différences d'énergies libres. On étudie également la sensibilité de dynamiques stochastiques par rapport à un paramètre, en vue du calcul des forces dans l'approximation de Born-Oppenheimer pour rechercher l'état quantique fondamental de molécules. Enfin, on présente un schéma numérique basé sur un système de particules pour résoudre des lois de conservation scalaires, avec un terme de diffusion anormale se traduisant par une dynamique de sauts sur les particules / This work presents some results on stochastically interacting particle systems and probabilistic interpretations of partial differential equations with applications to molecular dynamics and quantum chemistry. We present a particle method allowing to analyze the adaptive biasing force process, used in molecular dynamics for the computation of free energy differences. We also study the sensitivity of stochastic dynamics with respect to some parameter, aiming at the computation of forces in the Born-Oppenheimer approximation for determining the fundamental quantum state of molecules. Finally, we present a numerical scheme based on a particle system for the resolution of scalar conservation laws with an anomalous diffusion term, corresponding to a jump dynamics on the particles

La poursuite multi-cibles a pour objet le suivi d'un ensemble de cibles mobiles à partir de données obtenues séquentiellement. Ce problème est particulièrement complexe du fait du nombre inconnu et variable de cibles, de la présence de bruit de mesure, de fausses alarmes, d'incertitude de détection et d'incertitude dans l'association de données. Les filtres PHD (Probability Hypothesis Density) constituent une nouvelle gamme de filtres adaptés à cette problématique. Ces techniques se distinguent des méthodes classiques (MHT, JPDAF, particulaire) par la modélisation de l'ensemble des cibles comme un ensemble fini aléatoire et par l'utilisation des moments de sa densité de probabilité. Dans la première partie, on s'intéresse principalement à la problématique de l'application des filtres PHD pour le filtrage multi-cibles maritime et aérien dans des scénarios réalistes et à l'étude des propriétés numériques de ces algorithmes. Dans la seconde partie, nous nous intéressons à l'étude théorique des processus de branchement liés aux équations du filtrage multi-cibles avec l'analyse des propriétés de stabilité et le comportement en temps long des semi-groupes d'intensités de branchements spatiaux. Ensuite, nous analysons les propriétés de stabilité exponentielle d'une classe d'équations à valeurs mesures que l'on rencontre dans le filtrage non-linéaire multi-cibles. Cette analyse s'applique notamment aux méthodes de type Monte Carlo séquentielles et aux algorithmes particulaires dans le cadre des filtres de Bernoulli et des filtres PHD.

La poursuite multi-cibles a pour objet le suivi d’un ensemble de cibles mobiles à partir de données obtenues séquentiellement. Ce problème est particulièrement complexe du fait du nombre inconnu et variable de cibles, de la présence de bruit de mesure, de fausses alarmes, d’incertitude de détection et d’incertitude dans l’association de données. Les filtres PHD (Probability Hypothesis Density) constituent une nouvelle gamme de filtres adaptés à cette problématique. Ces techniques se distinguent des méthodes classiques (MHT, JPDAF, particulaire) par la modélisation de l’ensemble des cibles comme un ensemble fini aléatoire et par l’utilisation des moments de sa densité de probabilité. Dans la première partie, on s’intéresse principalement à la problématique de l’application des filtres PHD pour le filtrage multi-cibles maritime et aérien dans des scénarios réalistes et à l’étude des propriétés numériques de ces algorithmes. Dans la seconde partie, nous nous intéressons à l’étude théorique des processus de branchement liés aux équations du filtrage multi-cibles avec l’analyse des propriétés de stabilité et le comportement en temps long des semi-groupes d’intensités de branchements spatiaux. Ensuite, nous analysons les propriétés de stabilité exponentielle d’une classe d’équations à valeurs mesures que l’on rencontre dans le filtrage non-linéaire multi-cibles. Cette analyse s’applique notamment aux méthodes de type Monte Carlo séquentielles et aux algorithmes particulaires dans le cadre des filtres de Bernoulli et des filtres PHD. / The problem of multiple-object tracking consists in the recursive estimation ofthe state of several targets by using the information coming from an observation process. The objective of this thesis is to study the spatial branching processes andthe measure-valued systems arising in multi-object tracking. We focus on a class of filters called Probability Hypothesis Density (PHD) filters by first analyzing theirperformance on simulated scenarii and then by studying their properties of stabilityand convergence. The thesis is organized in two parts: the first part overviewsthe techniques proposed in the literature and introduces the Probability Hypothesis Density filter as a tractable approximation to the full multi-target Bayes filterbased on the Random Finite Sets formulation. A series of contributions concerning the numerical implementation of PHD filters are proposed as well as the analysis of their performance on realistic scenarios.The second part focuses on the theoretical aspects of the PHD recursion in the context of spatial branching processes. We establish the expression of the conditional distribution of a latent Poisson point process given an observation process and propose an alternative derivation of the PHD filter based on this result. Stability properties, long time behavior as well as the uniform convergence of a general class of stochastic filtering algorithms are discussed. Schemes to approximate the measure valued equations arising in nonlinear multi-target filtering are proposed and studied.

L’objectif de cette thèse est l’étude d’un schéma numérique pour l’approximation des solutions d’équations différentielles doublement stochastiques rétrogrades (EDDSR). Durant les deux dernières décennies, plusieurs méthodes ont été proposées afin de permettre la résolution numérique des équations différentielles stochastiques rétrogrades standards. Dans cette thèse, on propose une extension de l’une de ces méthodes au cas doublement stochastique. Notre méthode numérique nous permet d’attaquer une large gamme d’équations aux dérivées partielles stochastiques (EDPS) nonlinéaires. Ceci est possible par le biais de leur représentation probabiliste en termes d’EDDSRs. Dans la dernière partie, nous étudions une nouvelle méthode des particules dans le cadre des études de protection en neutroniques. / The purpose of this thesis is to study a numerical method for backward doubly stochastic differential equations (BDSDEs in short). In the last two decades, several methods were proposed to approximate solutions of standard backward stochastic differential equations. In this thesis, we propose an extension of one of these methods to the doubly stochastic framework. Our numerical method allows us to tackle a large class of nonlinear stochastic partial differential equations (SPDEs in short), thanks to their probabilistic interpretation. In the last part, we study a new particle method in the context of shielding studies.