Séminaire équipe EMA

Le séminaire de l'équipe Équations aux dérivées partielles, Modèles aléatoires et Approximation à lieu chaque jeudi après midi, généralement à 13h30.

Responsables : Christophe Bourel et Michel Davydov.

Liste des exposés de 2026

• Jeudi 7 mai 2026

  Sara Mazzonetto (Université de Lorraine)

  TBA (⊕ résumé)

  TBA

  13:30 - 14:30

• Jeudi 2 avril 2026

  Laetitia Colombani (Université de Lyon 1)

  TBA (⊕ résumé)

  TBA

  13:30 - 14:30 TBA

• Jeudi 12 mars 2026

  Apolline Louvet (INRAE Avignon)

  Stochastic modelling of population dynamics in a spatial continuum and application to epidemiology (⊕ résumé)

  Spatial Lambda-Fleming-Viot processes, or SLFVs, are a family of stochastic processes that have been developed to overcome some issues arising when defining stochastic population dynamics models in a spatial continuum of arbitrary dimension. Their main characteristic is their ''reproduction event-driven'' dynamics that controls local reproduction rates and ensures the existence of a dual process, which is a key tool to the analysis of SLFV processes. In this talk, after giving an overview of this modelling framework, I will present a recent extension to the modelling of epidemics, giving rise to a stochastic SIS-type model in continuous space. I will show to what extent the central concept of basic reproduction number can be extended to this model, using the duality relation along with the characterization of the process as the unique solution to a martingale problem. Based on a joint work with Bastian Wiederhold (LMU).

  13:30 - 14:30 C107

• Jeudi 5 mars 2026

  Daniele Avitabile (VU Amsterdam)

  Noise-induced pattern formation in networks of spatially-dependent neural networks (⊕ résumé)

  This talk presents a study of pattern formation in a class of high-dimensional neural networks defined on random graphs and subjected to spatio-temporal stochastic forcing. The connectivity matrices of these neural networks are randomly generated and can be excitatory or inhibitory, dense or sparse, and need not be symmetric. Under generic conditions on coupling and nodal dynamics, we prove that the network admits a rigorous mean-field limit, resembling a Wilson-Cowan neural field equation. The state variables of the limiting system are the mean and variance of neuronal activity. We select networks with tractable mean-field equations and perform a bifurcation analysis using the diffusivity strength of the afferent white noise on each neuron as the control parameter. We identify conditions for Turing-like bifurcations in a system where the cortex is modeled as a ring and provide numerical evidence of noise-induced spiral waves in models with a two-dimensional cortex. We present numerical evidence that solutions of the finite-size network converge weakly to those of the mean-field model. If time permits, I will discuss recent extensions of this work that involve dynamics on the network weights, and the employment of Wilson-Cowan neural field-type equations in data assimilation problems.

  13:30 - 14:30 C104

• Jeudi 5 février 2026

  Nicolas Beuvin (LAMFA (Amiens))

  Résultats de classification des solutions de l'équation de Poisson semi-linéaire dans des domaines non-bornés. (⊕ résumé)

  Résumé du séminaire: Dans ce séminaire, je vais m'intéresser aux solutions positives de l'équation suivante: $$-\Delta u=f(u) \quad \text{dans } \Omega,$$ où $f$ est une fonction de classe $C^{1}$ et $\Omega$ est un domaine non borné et où l'on a imposé des conditions de Dirichlet homogène sur le bord. L'idée est de classer de telles solutions en fonction de leurs propriétés géométriques (unidimensionnelles, nulles, $\dots$). L'exposé sera divisé en deux parties, une première partie introductive où je présenterai les résultats existants dans ce cadre, et une seconde partie où j'énoncerai de nouveaux résultats que l'on a mis en évidence en collaboration avec A. Farina et B. Sciunzi.

  13:30 - 14:30 C107

• Jeudi 15 janvier 2026

  Abderrahman Bouhamidi (LMPA)

  Séminaire commun avec ADA

  14:00 - 15:00

Archives