Dans cette thèse nous étudions l'asymptotique de petits bruits pour des perturbations aléatoires d'équations de Schrödinger non linéaires. Les bruits sont Gaussiens, la plupart du temps blancs en temps et toujours colorés en espace, additifs ou multiplicatifs. Un évènement de grandes déviations est un évènement où le système diffère significativement du système déterministe. Lorsque le bruit tend vers zéro, la probabilité d'un tel évènement rare tend vers zéro sur une échelle logarithmique avec pour vitesse l'amplitude du bruit. Nous prouvons des principes de grandes d´eviations trajectoriels. Dans ce cas le facteur multiplicatif de la vitesse, le taux, est relié à un problème de contrôle optimal. Les résultats sont appliqués aux temps d'explosion. Nous étudions ensuite l'asymptotique de petits bruits des queues de la masse et de la position du signal dans une "limite bruit blanc". Les fluctuations de ces quantités sont les causes principales d'erreur de transmission par solitons dans les fibres optiques. Nous considérons également le problème des temps moyens et des points de sortie d'un voisinage de zéro pour des équations faiblement amorties. Enfin, nous présentons un principe de grandes déviations et un théorème de support pour des bruits Gaussiens fractionnaires additifs.

Dans une première partie, on s'intéresse à un système d'EDP stochastiques variant selon deux échelles de temps, et plus particulièrement à l'approximation de la composante lente à l'aide d'un schéma numérique efficace. On commence par montrer un principe de moyennisation, à savoir la convergence de la composante lente du système vers la solution d'une équation dite moyennée. Ensuite on prouve qu'un schéma numérique de type Euler fournit une bonne approximation d'un coefficient inconnu apparaissant dans cette équation moyennée. Finalement, on construit et on analyse un schéma de discrétisation du système à partir des résultats précédents, selon la méthodologie dite HMM (Heterogeneous Multiscale Method). On met en évidence l'ordre de convergence par rapport au paramètre d'échelle temporelle et aux différents paramètres du schéma numérique; on étudie les convergences au sens fort (approximation des trajectoires) et au sens faible (approximation des lois). Dans une seconde partie, on étudie une méthode d'approximation de solutions d'EDP paraboliques, en combinant une approche semi-lagrangienne et une discrétisation de type Monte-Carlo. On montre d'abord dans un cas simplifié que la variance dépend des pas de discrétisation; enfin on fournit des simulations numériques de solutions, afin de mettre en avant les applications possibles d'une telle méthode.

L'objet de cette thèse est l'étude mathématique de modèles probabilistes pour la génération et la propagation d'un potentiel d'action dans les neurones et plus généralement de modèles aléatoires pour les systèmes excitables. En effet, nous souhaitons étudier l'influence du bruit sur certains systèmes excitables multi-échelles possédant une composante spatiale, que ce soit le bruit contenu intrinsèquement dans le système ou le bruit provenant du milieu. Ci-dessous, nous décrivons d'abord le contenu mathématique de la thèse. Nous abordons ensuite la situation physiologique décrite par les modèles que nous considérons. Pour étudier le bruit intrinsèque, nous considérons des processus de Markov déterministes par morceaux à valeurs dans des espaces de Hilbert ("Hilbert-valued PDMP"). Nous nous sommes intéressés à l'aspect multi-échelles de ces processus et à leur comportement en temps long. Dans un premier temps, nous étudions le cas où la composante rapide est une composante discrète du PDMP. Nous démontrons un théorème limite lorsque la composante rapide est infiniment accélérée. Ainsi, nous obtenons la convergence d'une classe de "Hilbert-valued PDMP" contenant plusieurs échelles de temps vers des modèles dits moyennés qui sont, dans certains cas, aussi des PDMP. Nous étudions ensuite les fluctuations du modèle multi-échelles autour du modèle moyenné en montrant que celles-ci sont gaussiennes à travers la preuve d'un théorème de type "central limit". Dans un deuxième temps, nous abordons le cas où la composante rapide est elle-même un PDMP. Cela requiert de connaître la mesure invariante d'un PDMP à valeurs dans un espace de Hilbert. Nous montrons, sous certaines conditions, qu'il existe une unique mesure invariante et la convergence exponentielle du processus vers cette mesure. Pour des PDMP dits diagonaux, la mesure invariante est explicitée. Ces résultats nous permettent d'obtenir un théorème de moyennisation pour des PDMP "rapides" couplés à des chaînes de Markov à temps continu "lentes". Pour étudier le bruit externe, nous considérons des systèmes d'équations aux dérivées partielles stochastiques (EDPS) conduites par des bruits colorés. Sur des domaines bornés de $\mathbb{R}^2$ ou $\mathbb{R}^3$, nous menons l'analyse numérique d'un schéma de type différences finies en temps et éléments finis en espace. Pour une classe d'EDPS linéaires, nous étudions l'erreur de convergence forte de notre schéma. Nous prouvons que l'ordre de convergence forte est deux fois moindre que l'ordre de convergence faible. Par des simulations, nous montrons l'émergence de phénomènes d'ondes ré-entrantes dues à la présence du bruit dans des domaines de dimension deux pour les modèles de Barkley et Mitchell-Schaeffer.

Dans cette thèse, on s'intéresse à l'existence et à l'unicité d'une solution pour l'équation KPZ généralisée. On utilise la théorie récente des structures de régularité inspirée des chemins rugueux et introduite par Martin Hairer afin de donner sens à ce type d'équations singulières. La procédure de résolution comporte une partie algébrique à travers la définition du groupe de renormalisation et une partie stochastique avec la convergence de processus stochastiques renormalisés. Une des améliorations notoire de ce travail apportée aux structures de régularité est la définition du groupe de renormalisation par le biais d'une algèbre de Hopf sur des arbres labellés. Cette nouvelle construction permet d'obtenir des formules simples pour les processus stochastiques renormalisés. Ensuite, la convergence est obtenue par un traitement efficace de diagrammes de Feynman. / In this thesis, we investigate the existence and the uniqueness of the solution of the generalised KPZ equation. We use the recent theory of regularity structures inspired from the rough path and introduced by Martin Hairer in order to give a meaning to this singular equation. The procedure contains an algebraic part through the renormalisation group and a stochastic part with the computation of renormalised stochastic processes. One major improvement in the theory of the regularity structures is the definition of the renormalisation group using a Hopf algebra on some labelled trees. This new construction paves the way to simple formulas very useful for the renormalised stochastic processes. Then the convergence is obtained by an efficient treatment of some Feynman diagrams.

Cette thèse porte sur l'étude de méthodes numériques pour l'analyse de deux modèles stochastiques apparaissant dans le contexte de la condensation de Bose-Einstein. Ceux-ci constituent deux généralisations de l'équation de Gross-Pitaevskii. Cette équation aux dérivées partielles déterministe modélise la dynamique de la fonction d'onde d'un condensat de Bose-Einstein piégé par un potentiel extérieur confinant.Le premier modèle étudié permet de modéliser les fluctuations de l'intensité du potentiel confinant et prend la forme d'une équation aux dérivées partielles stochastiques. Celles-ci conduisent en pratique à un échauffement du condensat, et parfois mêmeà son effondrement. Nous proposons dans un premier chapitre la construction d'un schéma numérique pour la résolution de ce modèle. Il est fondé sur une discrétisation spectrale en espace, et une discrétisation temporelle de type Crank-Nicolson. Nous démontrons que le schéma proposé converge fortement en probabilité à l'ordre au moins 1 en temps, et nous présentons des simulations numériques illustrant ce résultat. Le deuxième chapitre est consacré à l'étude théorique et numérique de la dynamique d'une solution stationnaire (pour l'équation déterministe) de type vortex. Nous étudions l'influence des perturbations aléatoires du potentiel sur la solution, et montrons que la solution perturbée garde les symétries de la solution stationnaire pour des temps au moins de l'ordre du carré de l'inverse de l'intensité des fluctuations. Ces résultats sont illustrés par des simulations numériques exploitant une méthode de Monte-Carlo adaptée à la simulation d'événements rares.Le deuxième modèle permet de modéliser les effets de la température sur la dynamique d'un condensat. Lorsque celle-ci n'est pas nulle, la condensation n'est pas complète et le condensat interagit avec les particules non condensées. Ces interactions sont d'un grand intérêt pour comprendre la dynamique de transition de phase et analyser les phénomènes de brisure de symétrie associés, comme la formation spontanée de vortex. Nous nous sommes intéressés dans les chapitres 3 et 4 à des questions relatives à la simulation de la distribution des solutions de cette équation en temps long. Le troisième chapitre est consacré à la construction d'une méthode d’échantillonnage sans biais pour des mesures connues à une constante multiplicative près. C'est une méthode de Monte Carlo par chaînes de Markov qui a la particularité de permettre un échantillonnage non-réversible basé sur une équation de type Langevin sur-amortie. Elle constitue une extension de Metropolis-Adjusted Langevin Algorithm (MALA). Le quatrième chapitre est quant à lui consacré à l'étude numérique de dynamiques métastables liées à la nucléation de vortex dans des condensats en rotation. Un intégrateur numérique pour la dynamique étudiée est proposé, ainsi qu'une méthode de Monte-Carlo adaptée à la simulation d'événements rares correspondant aux changements de configurations métastables. Cette dernière est basée sur l'algorithme Adaptive Multilevel Splitting (AMS). / This thesis is devoted to the numerical study of two stochastic models arising in Bose-Einstein condensation physics. They constitute two generalisations of the Gross-Pitaevskii Equation. This deterministic partial differential equation model the wave function dynamics of a Bose-Einstein condensate trapped in an external confining potential. The first chapter contains a simple presentation of the Bose-Einstein condensation phenomenon and of the experimental methods used to construct such systems.The first model considered enables to model the fluctuations of the confining potential intensity, and takes the form of a stochastic partial differential equation. In practice, these fluctuations lead to heating of the condensate and possibly to its collapse. In the second chapter we propose to build a numerical scheme to solve this model. It is based on a spectral space discretisation and a Crank-Nicolson discretisation in space. We show that the proposed scheme converges strongly at order at least one in probability. We also present numerical simulations to illustrate this result. The third chapter is devoted to the numerical and theoretical study of the dynamics of a stationary solution (for the deterministic equation) of vortex type. We study the influence of random disturbances of the confining potential on the solution. We show that the disturbed solution conserves the symmetries of the stationary solution for times up to at least the square of the inverse of the fluctuations intensity. These results are illustrated with numerical simulations based on a Monte-Carlo method suited to rare events estimation.The second model can be used to model the effects of the temperature on the dynamics of a Bose-Einstein condensate. In the case of finite temperature, the Bose-Einstein condensation is not complete and the condensate interacts with the non-condensed particles. These interactions are interesting to understand the dynamics of the phase transition and analyse the phenomena of symmetry breaking associated, like the spontaneous nucleation of vortices We have studied in the fourth and the fifth chapters some questions linked to the long time simulation of this model solutions. The fourth chapter is devoted to the construction of an unbiased sampling method of measures known up to a multiplicative constant. The distinctive feature of this Markov-Chain Monte-Carlo algorithm is that it enables to perform an unbiased non-reversible sampling based on an overdamped Langevin equation. It constitutes a generalization of the Metropolis-Adjusted Langevin Algorithm (MALA). The fifth chapter is devoted to the numerical study of metastable dynamics linked to the nucleation of vortices in rotating Bose-Einstein condensates. A numerical integrator and a suited Monte-Carlo methods for the simulation of metastable dynamics are proposed. This Monte-Carlo method is based on the Adaptive Multilevel Splitting (AMS) algorithm.

Le sujet principal de cette thèse porte sur l'approximation polynômiale des fonctions aléatoires au moyen de la projection L2 aléatoire discrète, et son application aux problèmes inverses pour les équations aux dérivées partielles avec des données aléatoires. Les motivations proviennent de l'approximation paramétrique de la solution de modèles aux dérivées partielles. La thèse se compose de deux parties, avec un chapitre d'introduction qui résume les techniques modernes de l'approximation polynômiale des fonctions de variables aléatoires. La première partie, du chapitre 1 au chapitre 4, contient l'analyse théorique de la projection L2 aléatoire discrète pour résoudre le problème direct, par exemple, pour rapprocher les moments d'une fonction aléatoire à partir de ses observations, ou pour calculer la solution à un modèle numérique avec des coefficients stochastiques. La stabilité et l'optimalité de l'erreur d'approximation évaluée dans la norme L2 pondérée sont traités. Dans la dernière partie de la thèse, composé des chapitres 5 et 6, la méthodologie développée précédemment pour le problème direct est appliqué aux problèmes inverses pour les équations aux dérivées partielles à coefficients stochastiques. La méthode de factorisation est appliquée dans le cadre de la tomographie par impédance électrique, d'abord dans le cas de coefficient inhomogène, puis dans le cas de coefficient constante par morceaux, à valeurs dans chaque région affectée par l'incertitude. Enfin, dans le chapitre 6 les variantes de la méthode de factorisation proposées dans le chapitre précédent sont accélérés en utilisant les techniques qui ont été présentés dans la première partie de la thèse.

Ces travaux présentent des avancées théoriques pour l'application de l'approche EDPS (Équation aux Dérivées Partielles Stochastique) en Géostatistique. On considère dans cette approche récente que les données régionalisées proviennent de la réalisation d'un Champ Aléatoire satisfaisant une EDPS. Dans le cadre théorique des Champs Aléatoires Généralisés, l'influence d'une EDPS linéaire sur la structure de covariance de ses éventuelles solutions a été étudiée avec une grande généralité. Un critère d'existence et d'unicité des solutions stationnaires pour une classe assez large d'EDPSs linéaires a été obtenu, ainsi que des expressions pour les mesures spectrales associées. Ces résultats permettent de développer des modèles spatio-temporels présentant des propriétés non-triviales grâce à l'analyse d'équations d'évolution présentant un ordre de dérivation temporel fractionnaire. Des paramétrisations adaptées de ces modèles permettent de contrôler leur séparabilité et leur symétrie ainsi que leur régularité spatiale et temporelle séparément. Des résultats concernant des solutions stationnaires pour des EDPSs issues de la physique telles que l'équation de la Chaleur et l'équation d'Onde sont présentés. Puis, une méthode de simulation non-conditionnelle adaptée à ces modèles est étudiée. Cette méthode est basée sur le calcul d'une approximation de la Transformée de Fourier du champ, et elle peut être implémentée de façon efficace grâce à la Transformée de Fourier Rapide. La convergence de cette méthode a été montrée théoriquement dans un sens faible et dans un sens fort. Cette méthode est appliquée à la résolution numérique des EDPSs présentées dans ces travaux. Des illustrations de modèles présentant des propriétés non-triviales et reliés à des équations de la physique sont alors présentées. / This dissertation presents theoretical advances in the application of the Stochastic Partial Differential Equation (SPDE) approach in Geostatistics. This recently developed approach consists in interpreting a regionalised data-set as a realisation of a Random Field satisfying a SPDE. Within the theoretical framework of Generalized Random Fields, the influence of a linear SPDE over the covariance structure of its potential solutions can be studied with a great generality. A criterion of existence and uniqueness of stationary solutions for a wide-class of linear SPDEs has been obtained, together with an expression for the related spectral measures. These results allow to develop spatio-temporal covariance models presenting non-trivial properties through the analysis of evolution equations presenting a fractional temporal derivative order. Suitable parametrizations of such models allow to control their separability, symmetry and separated space-time regularities. Results concerning stationary solutions for physically inspired SPDEs such as the Heat equation and the Wave equation are also presented. A method of non-conditional simulation adapted to these models is then studied. This method is based on the computation of an approximation of the Fourier Transform of the field, and it can be implemented efficiently thanks to the Fast Fourier Transform algorithm. The convergence of this method has been theoretically proven in suitable weak and strong senses. This method is applied to numerically solve the SPDEs studied in this work. Illustrations of models presenting non-trivial properties and related to physically driven equations are then given.

Dans cette thèse, nous étudions différents aspects mathématiques et numériques des équations de Gross-Pitaevskii et de Schrödinger non linéaire. Nous commençons (chapitre 1) par introduire différents modèles à partir des systèmes physiques que sont les condensats de Bose-Einstein et les impulsions lumineuses dans les fibres optiques. Cette modélisation conduit aux équations aux dérivées partielles stochastiques suivantes : l'équation de Gross-Pitaevskii stochastique et l'équation de Schrödinger non linéaire avec dispersion aléatoire. Ensuite, dans le second chapitre, nous nous intéressons au problème de l'existence et l'unicité d'une solution de ces équations. On montre notamment que le problème de Cauchy a une solution pour l'équation de Gross-Pitaevskii stochastique avec rotation grâce à la construction de la solution associée au problème. Nous abordons ensuite dans le troisième chapitre le problème du calcul des états stationnaires pour l'équation de Gross-Pitaevskii. Nous développons une méthode pseudo-spectrale de discrétisation du Continuous Normalized Gradient Flow, associée à une résolution itérative préconditionnée des sous-espaces de Krylov. Le quatrième chapitre concerne l'étude de schémas pseudo-spectraux pour la dynamique de l'équation de Gross-Pitaevskii et de Schrödinger non linéaire. On procède à une étude numérique de ces schémas (schéma de splitting de Lie et de Strang, ainsi qu'un schéma de relaxation). De plus, on analyse le schéma de Lie dans le cadre de l'équation de Schrödinger non linéaire avec dispersion aléatoire. Finalement, nous présentons, dans le cinquième chapitre, une boîte à outils Matlab (GPELab) développée dans le but de fournir les méthodes numériques que nous avons étudiées / The aim of this Thesis is to study various mathematical and numerical aspects related to the Gross-Pitaevskii and nonlinear Schrödinger equations. We begin (chapter 1) by introducing a few models starting from the physics of Bose-Einstein condensates and optical fibers. This naturally leads to introducing a stochastic Gross-Pitaevskii equation and a nonlinear Schrödinger equation with random dispersion. Next, in the second chapter, we analyze the existence and uniqueness problem for these two equations. We prove that the Cauchy problem admits a solution for the stochastic Gross-Pitaevskii equation with a rotational term by constructing the solution associated with the linear. The third chapter is concerned with the computation of stationary states for the Gross-Pitaevskii equation. We develop a pseudo-spectral approximation scheme for the Continuous Normalized Gradient Flow formulation, combined with preconditioned Krylov subspace methods. This original approach leads to the robust and efficient computation of ground states for fast rotations and strong nonlinearities. In the fourth chapter, we consider some pseudo-spectral schemes for computing the dynamics of the Gross-Pitaevskii and nonlinear Schrödinger equations. These schemes (the Lie's and Strang's splitting schemes and the relaxation scheme) are numerically studied. Moreover, we proceed to a rigorous numerical analysis of the Lie scheme for the associated stochastic PDEs. Finally, we present in the fifth chapter a Matlab toolbox (called GPELab) that provides computational solutions based on the schemes previously introduced in the Thesis

Cette thèse étudie des modèles mathématiques inspirés par la biologie. Plus précisément, nous nous concentrons sur des équations aux dérivées partielles cinétiques. Les champs d'application des équations cinétiques sont nombreux mais nous nous concentrons ici sur des phénomènes de propagation d'espèces invasives, notamment la bactérie Escherichia coli et le crapaud buffle Rhinella marina.La première partie de la thèse ne présente pas de résultats mathématiques. Nous construisons plusieurs modélisations pour la dispersion à grande échelle du crapaud buffle en Australie. Nous confrontons ces mêmes modèles à des données statistiques multiples (taux de fécondité, taux de survie, comportements dispersifs) pour mesurer leur pertinence. Ces modèles font intervenir des processus à sauts de vitesses et des équations cinétiques.Dans la seconde partie, nous étudions des phénomènes de propagation dans des modèles cinétiques plus simples. Nous illustrons plusieurs méthodes pour établir mathématiquement des formules de vitesse de propagation dans ces modèles. Cette partie nous amène à établir des résultats de convergence d'équations cinétiques vers des équations de Hamilton-Jacobi par la méthode de la fonction test perturbée. Nous montrons également comment le formalisme Hamilton-Jacobi permet de trouver des résultats de propagation et enfin, nous construisons des solutions en ondes progressives pour un modèle de transport-réaction. Dans la dernière partie, nous établissons un résultat de limite de diffusion stochastique pour une équation cinétique aléatoire. Pour ce faire, nous adaptons la méthode de la fonction test perturbée sur la formulation d'une EDP stochastique en terme de générateurs infinitésimaux.La thèse comporte également une annexe qui expose les données trajectorielles des crapauds dont nous nous servons en première partie." / In this thesis, we study some biology inspired mathematical models. More precisely, we focus on kinetic partial differential equations. The fields of application of such equations are numerous but we focus here on propagation phenomena for invasive species, the Escherichia coli bacterium and the cane toad Rhinella marina, for example. The first part of this this does not establish any mathematical result. We build several models for the dispersion of the cane toad in Australia. We confront those very models to multiple statistical data (birth rate, survival rate, dispersal behaviors) to test their validity. Those models are based on velocity-jump processes and kinetic equations. In the second part, we study propagation phenomena on simpler kinetic models. We illustrate several methods to mathematically establish propagation speed in this models. This part leads us to establish convergence results of kinetic equations to Hamilton-Jacobi equations by the perturbed test function method. We also show how to use the Hamilton-Jacobi framework to establish spreading results et finally, we build travelling wave solutions for reaction-transport model. In the last part, we establish a stochastic diffusion limit result for a kinetic equation with a random term. To do so, we adapt the perturbed test function method on the formulation of a stochastic PDE in term of infinitesimal generators. The thesis also contains an annex which presents the data on toads’ trajectories used in the first part."

Cette thèse aborde deux sujets de recherches, le premier est sur l’existence et l’unicité des solutions des Équations Différentielles Doublement Stochastiques Rétrogrades (EDDSRs) et les Équations aux Dérivées partielles Stochastiques (EDPSs) multidimensionnelles à croissance surlinéaire. Le deuxième établit l’existence d’un contrôle optimal strict pour un système controlé dirigé par des équations différentielles stochastiques progressives rétrogrades (EDSPRs) couplées dans deux cas de diffusions dégénérée et non dégénérée.• Existence et unicité des solutions des EDDSRs multidimensionnels :Nous considérons EDDSR avec un générateur de croissance surlinéaire et une donnée terminale de carré intégrable. Nous introduisons une nouvelle condition locale sur le générateur et nous montrons qu’elle assure l’existence, l’unicité et la stabilité des solutions. Même si notre intérêt porte sur le cas multidimensionnel, notre résultat est également nouveau en dimension un. Comme application, nous établissons l’existence et l’unicité des solutions des EDPS semi-linéaires.• Contrôle des EDSPR couplées :Nous étudions un problème de contrôle avec une fonctionnelle coût non linéaire dont le système contrôlé est dirigé par une EDSPR couplée. L’objective de ce travail est d’établir l’existence d’un contrôle optimal dans la classe des contrôle stricts, donc on montre que ce contrôle vérifie notre équation et qu’il minimise la fonctionnelle coût. La méthode consiste à approcher notre système par une suite de systèmes réguliers et on montre la convergence. En passant à la limite, sous des hypothèses de convexité, on obtient l’existence d’un contrôle optimal strict. on suit cette méthode théorique pour deux cas différents de diffusions dégénérée et non dégénérée. / In this Phd thesis, we considers two parts. The first one establish the existence and the uniquness of the solutions of multidimensional backward doubly stochastic differential equations (BDSDEs in short) and the stochastic partial differential equations (SPDEs in short) in the superlinear growth generators. In the second part, we study the stochastic controls problems driven by a coupled Forward-Backward stochastic differentialequations (FBSDEs in short).• BDSDEs and SPDEs with a superlinear growth generators :We deal with multidimensional BDSDE with a superlinear growth generator and a square integrable terminal datum. We introduce new local conditions on the generator then we show that they ensure the existence and uniqueness as well as the stability of solutions. Our work go beyond the previous results on the subject. Although we are focused on multidimensional case, the uniqueness result we establish is new in one dimensional too. As application, we establish the existence and uniqueness of probabilistic solutions tosome semilinear SPDEs with superlinear growth generator. By probabilistic solution, we mean a solution which is representable throughout a BDSDEs.• Controlled coupled FBSDEs :We establish the existence of an optimal control for a system driven by a coupled FBDSE. The cost functional is defined as the initial value of the backward component of the solution. We construct a sequence of approximating controlled systems, for which we show the existence of a sequence of feedback optimal controls. By passing to the limit, we get the existence of a feedback optimal control. The convexity condition is used to ensure that the optimal control is strict. In this part, we study two cases of diffusions : degenerate and non-degenerate.