No description available.

Cette thèse aborde le problème de classification en apprentissage statistique sous un angle nouveau en rajoutant une dimension séquentielle au processus de classification. En particulier, nous nous intéressons au cas de l'apprentissage à contraintes de budget (ou apprentissage budgété) où l'objectif est de concevoir un classifieur qui, tout en apportant des prédictions correctes, doit gérer un budget computationnel, consommé au fur et à mesure que les différents attributs sont acquis ou évalués. Les attributs peuvent avoir des coûts d'acquisition différents et il arrive souvent que les attributs les plus discriminatifs soient les plus coûteux. Le diagnostic médical et le classement de pages web sont des exemples typiques d'applications de l'apprentissage budgété. Pour le premier, l'objectif est de limiter le nombre de tests médicaux que le patient doit endurer et, pour le second, le classement doit se faire dans un temps assez court pour ne pas faire fuir l'usager. Au cours de cette thèse, nous nous sommes intéressés à des contraintes de budget atypiques, que la conception de trigger nous a motivés à investiguer. Les triggers sont un type de classifieurs rapides, temps-réel et sensibles aux coûts qui ont pour objectif de filtrer les données massives que les accélérateurs de particules produisent et d'en retenir les événements les plus susceptibles de contenir le phénomène étudié, afin d'être enregistrés pour des analyses ultérieures. La conception de trigger impose des contraintes computationnelles strictes lors de la classification mais, surtout, exhibe des schémas complexes de calcul du coût de chaque attributs. Certains attributs sont dépendants d'autres attributs et nécessitent de calculer ces derniers en amont, ce qui a pour effet d'augmenter le coût de la classification. De plus, le coût des attributs peut directement dépendre de leur valeur concrète. On retrouve ce cas de figure lorsque les extracteurs d'attributs améliorent la qualité de leur sortie avec le temps mais peuvent toujours apporter des résultats préliminaires. Enfin, les observations sont regroupées en sacs et, au sein du même sac, certaines observations partagent le calcul d'un sous-ensemble d'attributs. Toutes ces contraintes nous ont amenés à formaliser la classification sous un angle séquentiel.Dans un premier temps, nous proposons un nouveau cadriciel pour la classification rapide en convertissant le problème initial de classification en un problème de prise décision. Cette reformulation permet d'un part d'aborder la séquentialité de manière explicite, ce qui a pour avantage de pouvoir aisément incorporer les différentes contraintes que l'on retrouve dans les applications réelles, mais aussi d'avoir à disposition toute une palette d'algorithmes d'apprentissage par renforcement pour résoudre le nouveau problème. Dans une seconde partie, nous appliquons notre modèle de classification séquentielle à un problème concret d'apprentissage à contraintes de budget et démontrant les bénéfices de notre approche sur des données simulées (à partir de distributions simplifiées) de l'expérience LHCb (CERN). / Classification in machine learning has been extensively studied during the pastdecades. Many solutions have been proposed to output accurate classifiers and toobtain statistical grantees on the unseen observations. However, when machinelearning algorithms meet concrete industrial or scientific applications, new computationalcriteria appear to be as important to satisfy as those of classificationaccuracy. In particular, when the output classifier must comply with a computationalbudget needed to obtain the features that are evaluated at test time, wetalk about “budgeted” learning. The features can have different acquisition costsand, often, the most discriminative features are the costlier. Medical diagnosis andweb-page ranking, for instance, are typical applications of budgeted learning. Inthe former, the goal is to limit the number of medical tests evaluate for patients,and in the latter, the ranker has limited time to order documents before the usergoes away.This thesis introduces a new way of tackling classification in general and budgetedlearning problems in particular, through a novel framework lying in theintersection of supervised learning and decision theory. We cast the classificationproblem as a sequential decision making procedure and show that this frameworkyields fast and accurate classifiers. Unlike classical classification algorithms thatoutput a “one-shot” answer, we show that considering the classification as a seriesof small steps wherein the information is gathered sequentially also providesa flexible framework that allows to accommodate different types of budget constraintsin a “natural” way. In particular, we apply our method to a novel type ofbudgeted learning problems motivated by particle physics experiments. The particularityof this problem lies in atypical budget constraints and complex cost calculationschemata where the calculation of the different features depends on manyfactors. We also review similar sequential approaches that have recently known aparticular interest and provide a global perspective on this new paradigm.

Cette thèse s'intéresse à des problèmes de prise de décision séquentielle dans lesquels l'acquisition d'information est une fin en soi. Plus précisément, elle cherche d'abord à savoir comment modifier le formalisme des POMDP pour exprimer des problèmes de collecte d'information et à proposer des algorithmes pour résoudre ces problèmes. Cette approche est alors étendue à des tâches d'apprentissage par renforcement consistant à apprendre activement le modèle d'un système. De plus, cette thèse propose un nouvel algorithme d'apprentissage par renforcement bayésien, lequel utilise des transitions locales optimistes pour recueillir des informations de manière efficace tout en optimisant la performance escomptée. Grâce à une analyse de l'existant, des résultats théoriques et des études empiriques, cette thèse démontre que ces problèmes peuvent être résolus de façon optimale en théorie, que les méthodes proposées sont presque optimales, et que ces méthodes donnent des résultats comparables ou meilleurs que des approches de référence. Au-delà de ces résultats concrets, cette thèse ouvre la voie (1) à une meilleure compréhension de la relation entre la collecte d'informations et les politiques optimales dans les processus de prise de décision séquentielle, et (2) à une extension des très nombreux travaux traitant du contrôle de l'état d'un système à des problèmes de collecte d'informations / The purpose of this dissertation is to study sequential decision problems where acquiring information is an end in itself. More precisely, it first covers the question of how to modify the POMDP formalism to model information-gathering problems and which algorithms to use for solving them. This idea is then extended to reinforcement learning problems where the objective is to actively learn the model of the system. Also, this dissertation proposes a novel Bayesian reinforcement learning algorithm that uses optimistic local transitions to efficiently gather information while optimizing the expected return. Through bibliographic discussions, theoretical results and empirical studies, it is shown that these information-gathering problems are optimally solvable in theory, that the proposed methods are near-optimal solutions, and that these methods offer comparable or better results than reference approaches. Beyond these specific results, this dissertation paves the way (1) for understanding the relationship between information-gathering and optimal policies in sequential decision processes, and (2) for extending the large body of work about system state control to information-gathering problems

Cette thèse travaille principalement sur trois sujets. Le premier concentre sur le clustering en ligne dans lequel nous présentons un nouvel algorithme stochastique adaptatif pour regrouper des ensembles de données en ligne. Cet algorithme repose sur l'approche quasi-bayésienne, avec une estimation dynamique (i.e., dépendant du temps) du nombre de clusters. Nous prouvons que cet algorithme atteint une borne de regret de l'ordre et que cette borne est asymptotiquement minimax sous la contrainte sur le nombre de clusters. Nous proposons aussi une implémentation par RJMCMC. Le deuxième sujet est lié à l'apprentissage séquentiel des courbes principales qui cherche à résumer une séquence des données par une courbe continue. Pour ce faire, nous présentons une procédure basée sur une approche maximum a posteriori pour le quasi-posteriori de Gibbs. Nous montrons que la borne de regret de cet algorithme et celui de sa version adaptative est sous-linéaire en l'horizon temporel T. En outre, nous proposons une implémentation par un algorithme glouton local qui intègre des éléments de sleeping experts et de bandit à plusieurs bras. Le troisième concerne les travaux qui visent à accomplir des tâches pratiques au sein d'iAdvize, l'entreprise qui soutient cette thèse. Il inclut l'analyse des sentiments pour les messages textuels et l'implémentation de chatbot dans lesquels la première est réalisé par les méthodes classiques dans la fouille de textes et les statistiques et la seconde repose sur le traitement du langage naturel et les réseaux de neurones artificiels. / This thesis works mainly on three subjects. The first one is online clustering in which we introduce a new and adaptive stochastic algorithm to cluster online dataset. It relies on a quasi-Bayesian approach, with a dynamic (i.e., time-dependent) estimation of the (unknown and changing) number of clusters. We prove that this algorithm has a regret bound of the order of and is asymptotically minimax under the constraint on the number of clusters. A RJMCMC-flavored implementation is also proposed. The second subject is related to the sequential learning of principal curves which seeks to represent a sequence of data by a continuous polygonal curve. To this aim, we introduce a procedure based on the MAP of Gibbs-posterior that can give polygonal lines whose number of segments can be chosen automatically. We also show that our procedure is supported by regret bounds with sublinear remainder terms. In addition, a greedy local search implementation that incorporates both sleeping experts and multi-armed bandit ingredients is presented. The third one concerns about the work which aims to fulfilling practical tasks within iAdvize, the company which supports this thesis. It includes sentiment analysis for textual messages by using methods in both text mining and statistics, and implementation of chatbot based on nature language processing and neural networks.

Cette étude transdisciplinaire incluant sédimentologie, stratigraphie séquentielle, chimiostratigraphie, et géochimie organique et inorganique, examine la série carbonatée du Jurassique moyen-supérieur dans la chaîne du sud-ouest Gissar. Cette série représente l’affleurement le plus complet de la marge nord du Bassin d’Amu-Darya, une province gazière majeure d’Asie Centrale. La production de carbonates commence au début du Callovien, lors d’un ralentissement de la subsidence tectonique régionale associé à un réchauffement climatique. Un changement majeur dans la production carbonatée et la configuration de la plate-forme est enregistré à la fin du Callovien. Ce changement se caractérise par le passage (i) d’une rampe carbonatée avec un gradient proximal-distal bien contrasté du Callovien à (ii) un lagon à faciès péritidaux probablement protégé par des récifs de grande dimension à l’Oxfordien. La surface stratigraphique séparant ces deux séquences est interprétée comme une surface d'émersion régionale, enregistrant une chute du niveau marin entraînée par la tectonique et le climat. Durant la partie terminale de l’Oxfordien moyen, un ou plusieurs bassins intrashelfs sont localisés au sud-ouest de la plate-forme carbonatée. Des carbonates fins nodulaires ou laminés se déposent dans des eaux stratifiées, légèrement hypersalées et anoxiques à dysoxiques, où des tapis microbiens produisent de la matière organique et des carbonates. Ces faciès enregistrent l’initiation de la restriction du Bassin d’Amu Darya, qui se poursuit avec la progradation d’une sabkha et le dépôt de séries anhydritiques et salifères. La comparaison des séries sédimentaires met en évidence des évènements stratigraphiques communs entre le sud-ouest Gissar et les autres bassins des marges nord téthysienne et sud téthysienne : initiation de la plate-forme carbonatée, excursions isotopiques du carbone, âge et mode de formation des roches mères organiques (etc.), impliquant des contrôles climatiques et/ou tectoniques à grande échelle. L’étude pétrographique et géochimique de la diagenèse des carbonates révèle une paragenèse complexe. Certains faciès sont influencés par la fabrique sédimentaire lors de la diagenèse précoce. La succession des phases diagénétiques est reliée à la stratigraphie et à la subsidence des carbonates. Après leur dépôt, les sédiments de la série du Kugitang ont été enfouis à plus de 2 km de profondeur. Des phases liées à des fluides chauds et possiblement à la réduction thermochimique des sulfates se mettent en place durant la Mésogenèse. Finalement, les données stratigraphiques à haute résolution obtenues sur les affleurements du sud-ouest Gissar sont utilisées pour aider à la prédiction de la répartition des réservoirs d’hydrocarbures en subsurface du Bassin d’Amu-Darya. / This transdisciplinary study including sedimentology, sequence stratigraphy, chemostratigraphy, and organic and inorganic geochemistry examines the Middle-Upper Jurassic carbonates series located in the southwestern Gissar range. These carbonates, also known as the Kugitang series, represent the most complete outcrop of the northern margin of the Amu-Darya Basin, a gas-producing province of Central Asia. Carbonate production begins in the late Early Callovian during a regional slowing of the tectonic subsidence, coeval with a climate warming. A major change in the carbonate production and platform configuration is recorded at the end of the Callovian: (i) a carbonate ramp with a well-contrasted proximal-distal gradient develops during the Lower to Middle or Upper Callovian. It is overlain by (ii) a vast low energy lagoon dominated by peritidal facies, probably protected by large reefs, during the Lower and Middle Oxfordian. The stratigraphic surface separating the two depositional sequences is associated with a hiatus (Upper Callovian-Lower Oxfordian) and interpreted as a regional exposure surface recording a sea-level drop caused by tectonics and/or climate. During the Middle Oxfordian, one or several intrashelf basins develop southwestwards of the studied carbonate platform. Laminated and nodular carbonates rich in organic matter predominate in these basins. They are interpreted to have formed through the mineralization of microbial mats colonizing the stratified, slightly hypersaline, anoxic to dysoxic basin floor. Large scale reefs may have favored the isolation of these basins. These deposits record the initiation of the tectonic isolation of the Amu Darya Basin, which culminates with the progradation of a large-scale sabkha and the deposition of a thick anhydrite and salt series. The comparison of stratigraphic series highlights common events in several basins of the northern Tethyan margin, but also with the Arabian Plate: initiation of the carbonate platform, carbon isotope excursions, age and depositional conditions of organic-matter rich rocks, etc. The petrography and geochemistry of carbonates reveal a complex diagenetic history. Some facies are strongly controlled by the sedimentary fabric. The diagenetic succession is tentatively linked with the stratigraphy and the subsidence history. Following deposition, the Kugitang series was buried at more than 2 km. Some cements are interpreted to have formed through the circulation of hot fluids in the rocks during the mesogenesis and possibly due to thermochemical sulfate reduction, especially in the Callovian Sequence. Finally, the high-resolution stratigraphy established in this study is used to help improving the prediction of carbonate reservoirs in the subsurface Amu Darya Basin.

Dans cette thèse, nous avons étudié les problèmes de décisions séquentielles, avec comme application la gestion de stocks d'énergie. Traditionnellement, ces problèmes sont résolus par programmation dynamique stochastique. Mais la grande dimension, et la non convexité du problème, amènent à faire des simplifications sur le modèle pour pouvoir faire fonctionner ces méthodes.Nous avons donc étudié une méthode alternative, qui ne requiert pas de simplifications du modèle: Monte Carlo Tree Search (MCTS). Nous avons commencé par étendre le MCTS classique (qui s’applique aux domaines finis et déterministes) aux domaines continus et stochastiques. Pour cela, nous avons utilisé la méthode de Double Progressive Widening (DPW), qui permet de gérer le ratio entre largeur et profondeur de l’arbre, à l’aide de deux méta paramètres. Nous avons aussi proposé une heuristique nommée Blind Value (BV) pour améliorer la recherche de nouvelles actions, en utilisant l’information donnée par les simulations passées. D’autre part, nous avons étendu l’heuristique RAVE aux domaines continus. Enfin, nous avons proposé deux nouvelles méthodes pour faire remonter l’information dans l’arbre, qui ont beaucoup amélioré la vitesse de convergence sur deux cas tests.Une part importante de notre travail a été de proposer une façon de mêler MCTS avec des heuristiques rapides pré-existantes. C’est une idée particulièrement intéressante dans le cas de la gestion d’énergie, car ces problèmes sont pour le moment résolus de manière approchée. Nous avons montré comment utiliser Direct Policy Search (DPS) pour rechercher une politique par défaut efficace, qui est ensuite utilisée à l’intérieur de MCTS. Les résultats expérimentaux sont très encourageants.Nous avons aussi appliqué MCTS à des processus markoviens partiellement observables (POMDP), avec comme exemple le jeu de démineur. Dans ce cas, les algorithmes actuels ne sont pas optimaux, et notre approche l’est, en transformant le POMDP en MDP, par un changement de vecteur d’état.Enfin, nous avons utilisé MCTS dans un cadre de méta-bandit, pour résoudre des problèmes d’investissement. Le choix d’investissement est fait par des algorithmes de bandits à bras multiples, tandis que l’évaluation de chaque bras est faite par MCTS.Une des conclusions importantes de ces travaux est que MCTS en continu a besoin de très peu d’hypothèses (uniquement un modèle génératif du problème), converge vers l’optimum, et peut facilement améliorer des méthodes suboptimales existantes. / In this thesis, we study sequential decision making problems, with a focus on the unit commitment problem. Traditionally solved by dynamic programming methods, this problem is still a challenge, due to its high dimension and to the sacrifices made on the accuracy of the model to apply state of the art methods. We investigate on the applicability of Monte Carlo Tree Search methods for this problem, and other problems that are single player, stochastic and continuous sequential decision making problems. We started by extending the traditional finite state MCTS to continuous domains, with a method called Double Progressive Widening (DPW). This method relies on two hyper parameters, and determines the ratio between width and depth in the nodes of the tree. We developed a heuristic called Blind Value (BV) to improve the exploration of new actions, using the information from past simulations. We also extended the RAVE heuristic to continuous domain. Finally, we proposed two new ways of backing up information through the tree, that improved the convergence speed considerably on two test cases.An important part of our work was to propose a way to mix MCTS with existing powerful heuristics, with the application to energy management in mind. We did so by proposing a framework that allows to learn a good default policy by Direct Policy Search (DPS), and to include it in MCTS. The experimental results are very positive.To extend the reach of MCTS, we showed how it could be used to solve Partially Observable Markovian Decision Processes, with an application to game of Mine Sweeper, for which no consistent method had been proposed before.Finally, we used MCTS in a meta-bandit framework to solve energy investment problems: the investment decision was handled by classical bandit algorithms, while the evaluation of each investment was done by MCTS.The most important take away is that continuous MCTS has almost no assumption (besides the need for a generative model), is consistent, and can easily improve existing suboptimal solvers by using a method similar to what we proposed with DPS.

Cette thèse porte sur l'étude des Systèmes de Recommandation dans un cadre séquentiel, où les retours des utilisateurs sur des articles arrivent dans le système l'un après l'autre. Après chaque retour utilisateur, le système doit le prendre en compte afin d'améliorer les recommandations futures. De nombreuses techniques de recommandation ou méthodologies d'évaluation ont été proposées par le passé pour les problèmes de recommandation. Malgré cela, l'évaluation séquentielle, qui est pourtant plus réaliste et se rapproche davantage du cadre d'évaluation d'un vrai système de recommandation, a été laissée de côté. Le contexte séquentiel nécessite de prendre en considération différents aspects non visibles dans un contexte fixe. Le premier de ces aspects est le dilemme dit d'exploration vs. exploitation: le modèle effectuant les recommandations doit trouver le bon compromis entre recueillir de l'information sur les goûts des utilisateurs à travers des étapes d'exploration, et exploiter la connaissance qu'il a à l'heure actuelle pour maximiser le feedback reçu. L'importance de ce premier point est mise en avant à travers une première évaluation, et nous proposons une approche à la fois simple et efficace, basée sur la Factorisation de Matrice et un algorithme de Bandit Manchot, pour produire des recommandations appropriées. Le second aspect pouvant apparaître dans le cadre séquentiel surgit dans le cas où une liste ordonnée d'articles est recommandée au lieu d'un seul article. Dans cette situation, le feedback donné par l'utilisateur est multiple: la partie explicite concerne la note donnée par l'utilisateur concernant l'article choisi, tandis que la partie implicite concerne les articles cliqués (ou non cliqués) parmi les articles de la liste. En intégrant les deux parties du feedback dans un modèle d'apprentissage, nous proposons une approche basée sur la Factorisation de Matrice, qui peut recommander de meilleures listes ordonnées d'articles, et nous évaluons cette approche dans un contexte séquentiel particulier pour montrer son efficacité. / This thesis is dedicated to the study of Recommendation Systems under a sequential setting, where the feedback given by users on items arrive one after another in the system. After each feedback, the system has to integrate it and try to improve future recommendations. Many techniques or evaluation methods have already been proposed to study the recommendation problem. Despite that, such sequential setting, which is more realistic and represent a closer framework to a real Recommendation System evaluation, has surprisingly been left aside. Under a sequential context, recommendation techniques need to take into consideration several aspects which are not visible for a fixed setting. The first one is the exploration-exploitation dilemma: the model making recommendations needs to find a good balance between gathering information about users' tastes or items through exploratory recommendation steps, and exploiting its current knowledge of the users and items to try to maximize the feedback received. We highlight the importance of this point through the first evaluation study and propose a simple yet efficient approach to make effective recommendation, based on Matrix Factorization and Multi-Armed Bandit algorithms. The second aspect emphasized by the sequential context appears when a list of items is recommended to the user instead of a single item. In such a case, the feedback given by the user includes two parts: the explicit feedback as the rating, but also the implicit feedback given by clicking (or not clicking) on other items of the list. By integrating both feedback into a Matrix Factorization model, we propose an approach which can suggest better ranked list of items, and we evaluate it in a particular setting.

Ce manuscrit présente une étude de la dynamique de la fragmentation de molécules diatomiques (CO) et triatomiques (CO2) induite par impact d'ions multichargés rapides, dans un régime de vitesse de collision où l'ionisation de la cible est le processus dominant. Réalisée au GANIL, cette étude a nécessité la mise en œuvre une technique dite de "Spectroscopie d'Impulsion d'Ions de Recul" consistant en l'association d'un spectromètre de masse par temps de vol et d'un détecteur à localisation multi-impact basé sur une anode à ligne à retard. La mesure à haute résolution des distributions d'énergie cinétique (KER) des fragments issus de la dissociation de la molécule CO a permis de séparer et d'identifier les états électroniques excités du dication (CO)2+ peuplés lors de la collision, confirmant ainsi les limitations du modèle de l'explosion coulombienne. Le rôle de l'orientation de l'axe intermoléculaire de la molécule CO par rapport à la direction du faisceau projectile incident sur les sections efficaces a été mesuré et comparé aux prédictions d'un modèle géométrique. Enfin, différents comportements de la dynamique plus complexe de la fragmentation de la molécule CO2 ont été mis en évidence. Notamment, la triple ionisation de CO2 conduit majoritairement à une fragmentation concertée synchrone. Néanmoins, un comportement minoritaire a pu être observé et identifié comme associé à une fragmentation séquentielle impliquant un état métastable de l'ion moléculaire (CO)2+. Par contre, la fragmentation de l'ion moléculaire (CO2)2+ présente un caractère de type concerté asynchrone interprété à l'aide d'un modèle simple, mettant en jeu un mode de vibration asymétrique de la molécule.

Dans les séries terrigènes, les cycles stratigraphiques sont présents sur une large gamme de périodes (0.01-100 Ma), et sont dus aux variations du rapport entre l'espace disponible à l'accummulation des sédiments et le flux sédimentaire. Quelle est la responsabilité de chacun de ces paramètres dans l'origine et l'expression des cycles stratigraphiques, en particulier à haute-fréquence (10-100 ka) où tous interviennent ? Si les variations d'espace disponible d'échelle régionale ou globale (tectonique et climat) existent à ces fréquences et sont une origine fréquement admise, on connaît mal (1) l'influence de la croissance des structures tectoniques intra-bassin (plis et failles) sur leur expression, et (2) les contrôles du flux sédimentaire à haute-fréquence. Ce travail examine ces deux aspects à travers l'étude sédimentologique d'un anticlinal de croissance, et la modélisation numérique de l'effet de la zone de transfert (rivières) des sédiments sur la variabilité du flux sédimentaire.

L'émission proton et de deux protons par des noyaux légers, déficients en neutrons, dans la région de masse A=20 a été étudiée. Un faisceau radioactif, constitué de 18Ne, 17F et de 20Mg a été produit au Grand Accélérateur National d'Ions Lourds, par fragmentation d'un faisceau primaire de 24Mg à 95MeV/A, et bombardait une cible de 9Be afin de former des états non liés. Le(s) proton(s) et le noyau issus de la décroissance étaient détectés dans l'ensemble MUST et le spectromètre SPEG, leurs énergies et angles d'émission mesurés pour reconstruire la masse invariante du noyau père.<br> Les événements de coïncidence double entre un proton et les noyaux 17F, 16O, 15O, 14O et 18Ne ont été étudiés pour reconstruire les spectres en énergie d'excitation de 18Ne, 17F, 16F, 15F et 19Na. Les masses mesurées sont généralement en bon accord avec les résultats obtenus lors de précédentes expériences. Pour le noyau 18Ne, les distributions angulaires et en énergie d'excitation sont en bon accord avec un modèle de break up. A partir des coïncidences entre un proton et 17Ne, une première mesure expérimentale de l'excès de masse de l'état fondamental de 18Na donne 24,19(0,15)MeV.<br> L'émission de deux protons depuis des états excités de 17Ne et 18Ne, ainsi que depuis l'état fondamental de 19Mg, a été étudiée à partir des événements de coïncidences entre deux protons et respectivement 15O, 16O et 17Ne. Dans le premier cas, la distribution en angle relatif des deux protons dans le centre de masse a été comparée aux résultats de simulation. L'émission séquentielle depuis un état excité de 17Ne, au-dessus du seuil d'émission proton, via 16F, domine mais une contribution d'émission 2He ne peut pas être exclue. Aucune émission 2He depuis l'état à 1,288MeV de 17Ne ni depuis celui à 6,15MeV dans 18Ne, n'a été observée. Un seul événement de coïncidence entre 17Ne et deux protons a pu être enregistré car la section efficace de la réaction de stripping d'un neutron de 20Mg est plus faible que prévu.