Construction et validation de modèles d’IA générative (GANs) pour les événements extrêmes spatiaux

Ce stage vise à développer et valider des architectures de modèles GANs adaptées à la simulation d’événements extrêmes spatiaux. Une première étape consistera à identifier et comparer les différentes stratégies mises en avant dans la littérature pour construire des architectures de modèles GANs pour événements extrêmes et pour valider la qualité des simulations dans les queues de distribution.

L’objectif principal sera de proposer des architectures flexibles de modèles GANs permettant de fidèlement reproduire et extrapoler le comportement extrémal des données à la fois dans les lois marginales et dans les corrélations spatiales. L’effet des différents choix possibles pour les différents éléments du modèle (loi de probabilité des entrées ; couches de convolution et de max-pooling ; fonction de transformation et d’activation ; fonction objectif…) sera évalué via des études de simulation. La proposition de métriques de validation appropriées sera également importante.

Les données d’entraînement consisteront en des séries temporelles d’images avec des distributions continues des valeurs.  La validation des propriétés des nouveaux modèles se fera sur des données simulées (champs gaussiens ; champs transgaussiens avec queues de distribution plus légères ou plus lourdes, comme les champs de Tukey g-h ; champs max-stables). Les nouvelles méthodes seront appliquées et validées avec des données de simulations climatiques (DRIAS) de vitesses du vent (avec des queues de distribution légères) et d’indices feu-météo (avec des queues de distribution lourdes).