Apports de l’analyse de sensibilité à l’optimisation bayésienne pour le paramétrage de réactions électrochimiques

par Mme Lise Kastner

mardi 3 févr. 2026, 14:00 → 15:00 Europe/Paris

S3 365 (Sciences 3)

Cette thèse s’inscrit dans le cadre du projet AMPERE (CNRS 80 PRIME), menée en collaboration avec les chimistes du Laboratoire CPCV de Paris (UMR 8228) et du LIMA de Strasbourg (UMR 7042). L’objectif est d’optimiser des réactions électrochimiques, un domaine où les expériences sont coûteuses en temps et en ressources. Pour identifier plus rapidement des configurations menant vers un rendement productif, ce travail combine optimisation bayésienne et analyse de sensibilité afin de guider plus efficacement l’exploration de l’espace des paramètres.

Deux contributions principales ont été développées. La première, BOWSA (Bayesian Optimization With Sensitivity Analysis), utilise optimisation bayésienne pour générer des configurations candidates puis les reclasse avec un score de sensibilité, permettant d’identifier plus rapidement des solutions pertinentes. La seconde, GSBK (Gradual Sensitivity-Based Kernel), intègre directement les indices de sensibilité dans le noyau de l’optimisation bayésienne, avec une pondération graduelle en fonction de la qualité de leurs estimations.
Ces méthodes ont été mise en pratique sur une réaction électrochimique par le laboratoire du CPCV.