Science des données collaborative : Reconstruction bayésienne des profils de température ionique et d’amplitude en diagnostics de fusion par confinement inertiel
Date : Jeudi 12 mars 2026
Heure : 13 h 00 – 14 h 00 (heure de l’Est)
Lieu : Sur Zoom
Joignez-vous à nous
Joignez-vous à nous pour « Reconstruction bayésienne des profils de température ionique et d’amplitude en diagnostics de fusion par confinement inertiel » lors du prochain webinaire sur la science des données collaborative NISS–INCASS.
Résumé de la présentation
Ce webinaire explore des méthodes bayésiennes pour la reconstruction des profils de température ionique et d’amplitude dans les diagnostics de fusion par confinement inertiel. La séance mettra en lumière des approches de modélisation statistique de pointe à l’interface de la science des données et de la physique. Les participants découvriront comment des outils bayésiens avancés soutiennent la quantification de l’incertitude et améliorent l’interprétation de données de fusion complexes et bruitées.
Le webinaire réunira Ky D. Potter (doctorant·e en statistique à l’Université Simon Fraser) et Chris Danly (chercheur diplômé au Laboratoire national de Los Alamos). La séance sera animée par Emily Casleton (Laboratoire national de Los Alamos et présidente du comité de planification des webinaires sur la science des données collaborative NISS–INCASS).
À propos des conférenciers
Ky D. Potter est doctorant·e en statistique à l’Université Simon Fraser et stagiaire diplômé·e au sein du groupe des sciences statistiques (CAI-4) du Laboratoire national de Los Alamos. Ses travaux se situent à l’intersection de la statistique bayésienne et de la physique, avec des applications en fusion par confinement inertiel, en physique spatiale et ionosphérique, ainsi qu’en astrostatistique. Ky s’intéresse particulièrement aux modèles de processus gaussiens extensibles, à la quantification de l’incertitude et à l’émulation statistique pour des données complexes et bruitées. Ky apprécie la recherche collaborative et interdisciplinaire à l’interface de la statistique et des sciences physiques.
Chris Danly est chercheur diplômé au Laboratoire national de Los Alamos (biographie à venir).
À propos de l’animatrice
Emily Casleton est présidente du comité d’organisation des webinaires en science des données collaborative NISS-INCASS. Elle est statisticienne au sein du groupe des sciences statistiques du Los Alamos National Laboratory (LANL). Elle a été recrutée au LANL comme étudiante d’été lors de la Conférence sur l’analyse des données (CoDA) en 2012. Elle a rejoint le laboratoire comme stagiaire postdoctorale en 2014 après avoir obtenu son doctorat en statistique à l’Iowa State University. Depuis son entrée en poste permanent 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 novateurs axés sur les données. Plus récemment, ses recherches portent sur la mise à l’essai et l’évaluation de grands modèles d’IA. Elle est titulaire d’un baccalauréat en mathématiques et en science politique du Washington & Jefferson College (2003), d’une maîtrise en statistique de la West Virginia University (2006) et d’un doctorat en statistique de l’Iowa State University.
À propos de la série de webinaires NISS-INCASS sur la science des données collaborative
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.