GTML 2026 : Géométrie et Topologie en Machine Learning
Le DIM AI4IDF est fier de soutenir la nouvelle édition de la conférence "Geometry and Topology in Machine Learning" (GTML 2026). Ce rendez-vous scientifique de haut niveau explore l'intersection entre les structures mathématiques fondamentales et les capacités de généralisation de l'intelligence artificielle.
Pourquoi la Géométrie redéfinit l'IA moderne ?
L'efficacité des modèles de Deep Learning dépend de plus en plus de leur capacité à respecter les symétries et les structures géométriques des données. De la Géométrie Informationnelle à la Topologie des Données (TDA), le GTML 2026 réunit les experts mondiaux pour répondre à un défi majeur : rendre l'IA plus robuste, plus interprétable et plus sobre.
Les axes forts de l'édition 2026 :
- Geometric Deep Learning : Graphes, variétés et symétries.
- Optimal Transport : Nouvelles métriques pour comparer les distributions de données.
- Topological Data Analysis (TDA) : Extraire des signatures robustes à partir de données complexes.
- Applications de rupture : Imagerie médicale, chimie computationnelle et physique théorique.
Informations Pratiques & Inscriptions
Soutenu par l'écosystème francilien du DIM AI4IDF, cet événement est une plateforme d'échange unique entre les chercheurs des 4 Instituts IA (DATAIA, Hi! PARIS, PR[AI]RIE, SCAI) et la scène internationale.
Lieu : Du lundi au jeudi en Salle C404, CQSB, Bâtiment C, 4e étage et vendredi en Amphi 25
Format : Présentations magistrales, sessions posters et tables rondes.
Contact : gregoire.sergeant-perthuis@sorbonne-universite.fr
Le mot du DIM AI4IDF
En soutenant le GTML 2026, le DIM AI4IDF réaffirme sa mission : propulser la recherche fondamentale d'excellence pour nourrir les innovations technologiques de demain. Nous encourageons particulièrement les doctorants et post-doctorants de la région Île-de-France à participer activement à ces échanges.