D’une certaine façon, je suis « proche » du GERAD depuis un bon moment. En tant que postdoctorant au Centre de recherches mathématiques (CRM), situé au pavillon André-Aisenstadt, j’étais un voisin du GERAD de 2015 à 2017 sans même le savoir. C’est seulement quand je suis arrivé à l’UQAM, en tant que nouveau professeur en informatique décisionnelle et en science des données, que j’en ai appris davantage sur le GERAD. Il m’est rapidement apparu que son domaine de recherche est étroitement lié à mes propres champs d’intérêt en mathématiques appliquées et en modélisation de la prise de décision en situation d’incertitude. Je suis enchanté de faire partie du GERAD. J’ai hâte de participer à ses activités et, quand ce sera possible, de faire connaissance personnellement avec sa communauté.

J’ai entamé ma carrière en mathématiques lors de mon doctorat à l’Université de Warwick, au Royaume-Uni. Sous la supervision de Neil O’Connell, j’ai étudié les objets combinatoires aléatoires, notamment en relation avec la théorie des matrices aléatoires.

À la fin de mon doctorat, j’avais passé un total de huit ans au Royaume-Uni (en comptant mes études de premier cycle). J’ai été ravi de m’installer au Canada pour un postdoc au Département de mathématiques de l’Université de Toronto, où mes conseillers étaient Jeremy Quastel et Bálint Virág. J’ai commencé à travailler sur une catégorie de modèles probabilistes qui présentent un type particulier de comportement de mise à l’échelle, que l’on appelle la catégorie d’universalité KPZ. Au-delà de la physique mathématique, de nombreux domaines des mathématiques trouvent leur application dans ce domaine où je mène toujours des projets de recherche.

Plus récemment, j’ai entrepris de travailler sur des problèmes plus appliqués, à l’intersection de la modélisation probabiliste, de l’apprentissage automatique et de l’optimisation mathématique. Par exemple, je m’intéresse à la mise au point de techniques d’apprentissage non supervisé et d’apprentissage par le renforcement pour mieux comprendre et résoudre des problèmes d’optimisation mathématique stochastiques et déterministes à grande échelle. Dans cette veine, nous avons récemment développé une approche de regroupement des graphes pour les scénarios basés sur le coût d’opportunité. Je m’intéresse aussi à l’application de techniques de modélisation probabiliste et d’apprentissage automatique à la biologie computationnelle et à la médecine personnalisée.

Cela me réjouit d’apprendre à vous connaître, virtuellement pour l’instant, et en personne dès que possible.

Membre du GERAD depuis novembre 2020