Date : Jeudi 9 octobre 2025
Heure : 13 h à 14 h, heure de l’Est
Lieu : Sur Zoom
Participez à « Working with Physicists on Quantum ML » lors du prochain séminaire NISS-INCASS sur la science des données collaborative.
Le National Institute of Statistical Sciences (NISS) et l’Institut canadien des sciences statistiques (INCASS) ont le plaisir de présenter un séminaire collaboratif explorant le domaine émergent de l’apprentissage automatique quantique (AAQ). Cette séance réunira des physiciens à la pointe de la recherche quantique afin de partager comment les principes quantiques transforment l’apprentissage automatique et la science des données.
Les participants acquerront une meilleure compréhension des fondements de l’AAQ, de son potentiel à révolutionner la découverte fondée sur les données et des défis uniques liés au rapprochement de la physique, de l’informatique et des statistiques. Conçu pour un large public de statisticiens, de scientifiques des données et de chercheurs, cet événement mettra en lumière à la fois les perspectives théoriques et les applications pratiques, offrant une occasion unique d’apprendre directement auprès d’experts travaillant à l’intersection des sciences quantiques et de l’apprentissage automatique.
Le Dr Martin T. Wells est une figure éminente de l’Université Cornell, spécialisé en sciences statistiques. Membre du corps professoral de Cornell depuis 1987, il occupe le poste de professeur Charles A. Alexander en sciences statistiques. Le Dr Wells est également professeur de statistiques sociales, de biostatistique et d’épidémiologie à la faculté de médecine Weill, ainsi que membre élu de la faculté de droit de Cornell. Ses intérêts de recherche couvrent les statistiques appliquées et théoriques, avec un accent sur les questions d’inférence dans divers domaines tels que le risque de crédit, les dommages économiques et les études juridiques. Le Dr Wells a publié de nombreux articles dans des revues statistiques de premier plan et a siégé à des comités nationaux de haut niveau en statistiques. Il est également rédacteur en chef de la série ASA-SIAM on Statistics and Applied Probability et a contribué au développement de méthodologies statistiques pour diverses disciplines scientifiques. Voir le profil.
Le Dr Luca Candelori est mathématicien et actuellement directeur de la recherche chez Qognitive, Inc. Il a obtenu un baccalauréat en mathématiques de l’Université Harvard en 2008 et un doctorat en mathématiques de l’Université McGill en 2014, avec une spécialisation en théorie des nombres et en géométrie algébrique. En 2018, il s’est joint au département de mathématiques de la Wayne State University (WSU), où il est maintenant professeur agrégé (actuellement en congé). Pendant son séjour à la WSU, il a mis au point de nouvelles méthodes pour mesurer l’intrication quantique à l’aide de la théorie géométrique des invariants, en tant que cochercheur principal dans le cadre d’une subvention du U.S. Department of Energy. Depuis 2023, il collabore avec Qognitive, Inc., d’abord comme consultant, puis à temps plein à titre de directeur de la recherche, où il développe de nouveaux modèles d’apprentissage automatique fondés sur le formalisme mathématique de la mécanique quantique. Qognitive, Inc. est une jeune entreprise fondée en 2023 par Dario Villani et Kharen Musaelian, dont l’objectif est de concevoir et de déployer des modèles basés sur le Quantum Cognition Machine Learning (QCML). Le QCML est une nouvelle forme d’apprentissage automatique inspirée de la cognition quantique. Les modèles QCML apprennent à représenter les données d’entrée sous forme d’états quantiques, et les sorties des modèles reflètent les résultats de mesures quantiques. Le QCML est particulièrement performant sur les ensembles de données comportant un grand nombre de caractéristiques d’entrée et de classes (pour la classification) ou de cibles (pour la régression).
Emily Casleton est statisticienne au sein du groupe de sciences statistiques du Laboratoire national de Los Alamos (LANL). Elle y a été recrutée comme étudiante d’été lors de la Conférence sur l’analyse des données (CoDA) de 2012. Elle a rejoint le laboratoire en tant que postdoctorante en 2014, après avoir obtenu son doctorat en statistiques à l’Université d’État de l’Iowa. Depuis son intégration au personnel en 2015, Emily collabore régulièrement avec des sismologues, des ingénieurs nucléaires, des physiciens, des géologues, des chimistes et des informaticiens sur une grande variété de projets innovants axés sur les données. Plus récemment, ses recherches se sont concentrées sur le test et l’évaluation de grands modèles d’intelligence artificielle (IA). Elle est titulaire d’une licence en mathématiques et sciences politiques du Washington & Jefferson College (2003), d’une maîtrise en statistiques de l’Université de Virginie-Occidentale (2006) et d’un doctorat en statistiques de l’Université d’État de l’Iowa.
À une époque où les données transcendent les frontières traditionnelles, il n’a jamais été aussi crucial de favoriser la collaboration interdisciplinaire. En partenariat avec le National Institute of Statistical Sciences (NISS), nous sommes fiers de présenter la série de séminaires NISS-INCASS sur la science des données collaborative, consacrée à la mise en lumière du travail des data scientists et des experts de différents domaines scientifiques qui collaborent pour faire progresser la science. Cette initiative célèbre le pouvoir de la collaboration, en démontrant comment l’intégration de la science des données avec diverses disciplines peut stimuler l’innovation, résoudre des problèmes complexes et repousser les frontières de la connaissance au-delà du domaine des statistiques.
Chaque session sera animée par deux intervenants : un data scientist et un expert d’un autre domaine ayant collaboré avec succès pour obtenir des résultats percutants. Grâce à leurs expériences et à leurs connaissances partagées, les participants acquerront une compréhension approfondie des processus collaboratifs qui comblent les écarts entre différents horizons scientifiques. Ces séminaires mettront non seulement en lumière des partenariats réussis, mais offriront également une plateforme d’échange d’idées, de méthodologies et de bonnes pratiques, inspirant de nouvelles collaborations.