Aller au contenu  Aller au menu  Aller à la recherche

Bienvenue - Laboratoire Jacques-Louis Lions

Partenariats

CNRS

UPMC

UPMC
Print this page |

Postes Enseignants-Chercheurs :

Cliquer sur : Operation POSTES sur le site de la SMAINouvelle fenêtre

Cliquer sur : GALAXIENouvelle fenêtre

 

Cliquer sur : les postes ouverts au Laboratoire Jacques-Louis Lions en 2017

 

 » En savoir +

Chiffres-clé

Chiffres clefs

217 personnes travaillent au LJLL

83 personnels permanents

47 enseignants chercheurs

13 chercheurs CNRS

9 chercheurs INRIA

2 chercheurs CEREMA

12 ingénieurs, techniciens et personnels administratifs

134 personnels non permanents

85 doctorants

16 post-doc et ATER

5 chaires et délégations

12 émérites et collaborateurs bénévoles

16 visiteurs

 

Chiffres janvier 2014

 

Séminaire du LJLL : T. Lelièvre

05 février 2016 — 14h00
Tony Lelièvre (Ecole des Ponts ParisTech)
Métastabilité : des processus stochastiques à l’analyse semi-classique
Résumé
 Un processus stochastique est dit métastable s’il reste pendant une très longue période de temps dans une région de l’espace (appelée région métastable) avant de gagner une autre région métastable, où il reste à nouveau piégé. De tels processus apparaissent de manière naturelle dans de nombreux domaines d’application, la métastabilité correspondant au fait que plusieurs échelles de temps sont présentes dans le modèle : une échelle de temps courte correspondant aux vibrations dans les régions métastables, et une échelle de temps beaucoup plus longue associée aux transitions entre états métastables. Par exemple, en simulation moléculaire, les régions métastables sont typiquement associées aux conformations atomiques d’une molécule (ou d’un ensemble de molécules), et on est intéressé par la simulation et l’étude des transitions entre ces conformations.
 Dans cet exposé, j’expliquerai comment on peut étudier les évènements de sortie d’un état métastable en utilisant un problème aux valeurs propres. Ce point de vue permet de construire des algorithmes très efficaces pour simuler de tels processus (en utilisant notamment des architectures parallèles), et donne également une nouvelle manière de prouver les lois d’Eyring-Kramers, en utilisant des techniques de l’analyse semi-classique.