Machine Learning-Assisted Spatiotemporal Chaos Forecasting
Optimisation de l’horizon de prédictibilité des évènements extrêmes par "Deep Learning"
- Chaos spatio-Temporel
- Dynamique non-Linéaire
- Turbulence
- Apprentissage automatique
- Réseaux de neurones artificiels
- Théorie de l'Information
- Chaos (théorie des systèmes)
- Dynamique non-linéaire
- Turbulence
- Évènements climatiques extrêmes
- Apprentissage automatique
- Réseaux neuronaux (informatique)
- Entropie (théorie de l'information)
- Solitons
- Résonateurs optiques
- Spatiotemporal chaos
- Nonlinear dynamics
- Turbulence
- Machine Learning
- Artificial Neural Networks
- Information Theory
- Langue : Anglais
- Discipline : Milieux dilués et optique fondamentale
- Identifiant : 2024ULILR078
- Type de thèse : Doctorat
- Date de soutenance : 20/12/2024
Résumé en langue originale
Des vagues scélérates aux vents violents, les événements extrêmes peuvent perturber les systèmes naturels et les activités humaines sans avertissement. Bien que ces événements semblent imprévisibles, ils émergent souvent des dynamiques complexes des systèmes chaotiques, en particulier du chaos spatiotemporel, où des motifs se déploient dans le temps et l'espace. Dans cette thèse, nous étudions les événements extrêmes dans des systèmes optiques, en nous concentrant sur un résonateur à fibre optique modélisé par l'équation de Lugiato-Lefever. Ce système offre un environnement contrôlé pour analyser les comportements chaotiques à l'origine de ces phénomènes.Les récents progrès en apprentissage automatique, notamment avec les réseaux de neurones, offrent de nouveaux outils pour prédire les dynamiques chaotiques. Cependant, la prévision à long terme reste difficile en raison de l'imprévisibilité inhérente au chaos. Nous proposons d'étendre l'horizon de prédiction en utilisant des méthodes de théorie de l'information, telles que l'entropie de transfert, pour identifier les régions locales contribuant aux événements extrêmes et améliorer la précision des prévisions.En outre, nous examinons les dynamiques turbulentes générées par les solitons dans ces systèmes, en proposant des explications sur leur apparition et leur évolution. Notre analyse offre de nouvelles perspectives sur le comportement chaotique. Enfin, nous proposons d'appliquer ces méthodes aux dynamiques du vent en situation réelle pour améliorer les prévisions et approfondir la compréhension des systèmes chaotiques naturels.
Résumé traduit
From towering rogue waves to powerful winds, extreme events can disrupt natural systems and human activity without warning. Though seemingly unpredictable, these events often arise from the complex dynamics of chaotic systems, particularly spatiotemporal chaos, where patterns unfold across both time and space. In this thesis, we study extreme events in optical systems, focusing on an optical fiber ring resonator modeled by the Lugiato-Lefever equation. This setup provides a controlled environment to analyze the chaotic behaviors that lead to such phenomena.Recent advancements in machine learning, especially neural networks, offer new tools for predicting chaotic dynamics. However, long-term forecasting remains challenging due to chaos's inherent unpredictability. We propose extending the prediction horizon using information theory methods, like transfer entropy, to identify local regions contributing to extreme events and improve forecast accuracy.Additionally, we examine the turbulent dynamics generated by solitons in these systems, providing explanations for their onset and evolution. Our analysis offers new insights into chaotic behavior. Finally, we propose applying these methods to real-world wind dynamics to enhance forecasting and deepen understanding of chaotic natural systems.
- Directeur(s) de thèse : Coulibaly, Saliya
- Président de jury : Mussot, Arnaud
- Membre(s) de jury : Clerc, Marcel - Tlidi, Mustapha
- Rapporteur(s) : Kibler, Bertrand - Residori, Stefania
- Laboratoire : Laboratoire de Physique des Lasers, Atomes et Molécules (PhLAM)
- École doctorale : École doctorale Sciences de la matière, du rayonnement et de l'environnement (Lille ; 1992-....)
AUTEUR
- Murr, Georges