Le CRIL en bref

présentation

Le Centre de Recherche en Informatique de Lens (CRIL UMR 8188) est un laboratoire de l’Université d’Artois et du CNRS dont la thématique de recherche fédératrice concerne l'intelligence artificielle et ses applications. Il regroupe plus de 60 membres : chercheurs, enseignants-chercheurs, doctorants et personnels administratifs et techniques.

Le CRIL participe à la Confédération Européenne de Laboratoires en Intelligence Artificielle CLAIRE et à l'alliance régionale humAIn. Il bénéficie du soutien du Ministère de l’Enseignement Supérieur et de la Recherche, du CNRS, de l’Université d’Artois et de la région Hauts de France.

Le CRIL est localisé sur deux sites à Lens : la faculté des sciences Jean Perrin et l’IUT.

En savoir plus

Actualités  (RSS)

Thèses proposées SAT-based Approaches for Formal Verification with B method

Summary The ANR project BLaSST targets bridging combinatorial and symbolic techniques in automatic theorem prov- ing, in particular for proof obligations generated from B models. Work will be carried out on SAT-based techniques as well as on more expressive SMT formalisms. In both cases encoding techniques, optimized resolution techniques, model generation, and lemma suggestion will be considered. Combining both lines of work, the expected scientific impact is a substantially higher degree of automation of solvers for expressive input languages by leveraging higher-order reasoning and enumerative instantiations over finite domains.

En savoir plus

Thèses proposées Programmation spéculative pour la résolution de problèmes calculatoirement difficiles

Depuis maintenant quelques années, les solveurs SAT sont utilisés pour résoudre des problèmes très divers, allant de la cryptanalyse (Trimoska, Dequen, and Ionica 2021) à la bio-informatique (Guerra and Lynce 2012) en passant par la fermeture de conjectures mathématiques (Heule, Kullmann, and Marek 2016), l’apprentissage d’arbres de décision (Schidler and Szeider 2021) et la vérification de réseaux de neurones (Narodytska et al. 2018). Il est d’ailleurs courant d’utiliser aujourd’hui les solveurs SAT comme des oracles pour résoudre des problèmes de complexité supérieure.

En savoir plus

Thèses proposées Learning Interpretable Circuits

Overview In recent years, there has been a growing interest in the design of statistical learning algorithms for interpretable models, which are not only accurate but also understandable by human users. A related and desirable property is explainability, which refers to the computational ability of predictive models to explain their predictions in intelligible terms. In this setting, decision trees are of paramount importance, as they can be easily read by recursively breaking a choice into sub-choices until a decision is reached.

En savoir plus

Séminaire Knowledge-Based Profile Dynamics

Eduardo Fermé - University of Madeira
12 mai 2022 - 14:00

In the last two decades, user profiles have been used in several areas of information technology. In the literature, the vast majority of research works, and systems focus on the creation of profiles (using Data Mining techniques based on user navigation history) and their dynamics are made by means of systematic recreation of the profiles, without using the last used profile. In this talk we propose to formalize the creation, representation, and dynamics of profiles in a Knowledge-Driven perspective.

En savoir plus

Séminaire Production de connaissances compréhensibles et sémantiquement riches à partir de données distribuées, connectées et fortement hétérogènes. 

Salma SASSI - Université de Jendouba, Tunisie
14 avr. 2022 - 15:30

Les systèmes d’information des entreprises actuelles sont de plus en plus " submergés " par des données distribuées, connectées et de tous types (structurées, semi-structurées et non structurées). Cette croissance et « Big Data », ont transformé́ tous les aspects de l’entreprise et de la société́ actuelle, et ont créé de nouveaux défis pour les entreprises et pour la communauté scientifique, parmi lesquels comment comprendre et analyser de telles masses de données afin d’en extraire des connaissances sémantiquement riches.

En savoir plus

Séminaire Quantum Machine Learning

Kaoutar Benlamine
14 avr. 2022 - 14:00

Quantum Machine Learning is on the borderline between quantum computing and machine learning and deals with data processing in very large dimensions. It is a new area of study with the recent work on quantum versions of supervised and unsupervised algorithms. In this presentation, I will start by giving an overview of the general concepts of machine learning as well as the quantum computation, then I will show my contributions concerning the quantum one model clustering and multi model clustering.

En savoir plus

Séminaire Apprentissage de représentations profondes sur graphes pour l'analyse de données complexes

Akrem Sellami
7 avr. 2022 - 16:00

L’apprentissage profond sur les graphes, et plus généralement sur les données structurées non-euclidiennes, est récemment devenu un sujet principal dans le domaine de l’apprentissage automatique, avec de nombreuses applications dans la classification d’images, la détection de communautés, les systèmes de recommandation, le traitement du langage naturel, la classification des molécules, la prédiction d’interface protéique, la chimie quantique, épidémiologie….. etc. En particulier, les modèles profonds tels que les réseaux de neurones sur graphes (Graph Neural Networks) sont devenus des outils très populaires, avec leurs succès dans nombreuses applications.

En savoir plus

Séminaire Guider l'intuition en mathématiques grâce à l'IA

Guillaume Bressan - ENS
7 avr. 2022 - 14:00

L’émergence d’un théorème en mathématiques est généralement précédée d’une phase d’observation de la part du mathématicien. Son travail d’observation consiste alors à trouver des corrélations entres les différents aspects des objets qu’il manipule pour en déduire des formules. Le papier présenté pendant ce séminaire décrit comment l’on peut mettre la main sur ce genre de corrélations de façon automatique grâce à des algorithmes de deep learning. L’IA permet alors d’étendre le champ des observations possibles et de guider les yeux du mathématicien dans son travail de recherche.

En savoir plus

Séminaire Regionalized optimisation and message passing algorithms

Grégoire Sergeant
31 mars 2022 - 14:00

We will explain how, motivated by the study of the General Belief Propagation algorithm, which is known to solve variational inference under constraints on the marginal of probability distributions (minimization of Bethe Free Energy), we can define a theoretical framework for a whole new class of optimisation problems built by gluing together local optimization problems. We will show that critical points of these optimization problems are fix points of new message passing algorithms.

En savoir plus