Centre Inria de Saclay

L’une des questions les plus fascinantes de la biologie de la reproduction, tant du point de vue fondamental qu’appliqué, est de comprendre comment les poissons adultes parviennent à maintenir une fécondité exceptionnellement élevée tout au long de leur vie. Selon les espèces, une femelle peut produire chaque saison entre quelques dizaines et plusieurs millions d’œufs. Mais comment une telle fécondité est-elle assurée au fil des cycles saisonniers de reproduction ? Cette question soulève une question fondamentale : les cellules souches germinales jouent-elles un rôle actif dans la production des œufs à l’âge adulte ? Si tel est le cas, l’ensemble du processus de formation des œufs (ou ovogenèse) resterait actif tout au long de la vie de la femelle, y compris les premières étapes de prolifération des cellules germinales précoces indifférenciées, à l’origine de nouveaux ovocytes. Ces ovocytes immatures entrent ensuite dans une phase de croissance, conduisant à la formation des œufs (c’est-à-dire des ovocytes non fécondés prêts à être pondus). Bien que la présence de cellules germinales précoces dans l’ovaire adulte des poissons ait été démontrée il y a déjà près de vingt ans, leur contribution réelle au renouvellement saisonnier des ovocytes à l’âge adulte reste encore inconnue. À partir de données préliminaires et de la modélisation de la dynamique de croissance ovocytaire tout au long de la vie des femelles, nous formulons dans le projet PROBA (Germ Cell Proliferation–Growth Balance in fish) l’hypothèse selon laquelle la prolifération des cellules germinales et la croissance ovocytaire contribuent ensemble au maintien de la fécondité à long terme. Nous proposons que ces deux processus soient finement coordonnés, maintenant un équilibre fonctionnel fondé sur une dynamique inverse : lorsque la croissance ovocytaire est active, la prolifération des cellules germinales est réduite, et vice versa. Cet équilibre serait lui-même modulé par la photopériode, un facteur environnemental saisonnier bien connu pour son rôle dans la régulation de la croissance des ovocytes. L’objectif de PROBA est de tester cette hypothèse et de décrypter les mécanismes cellulaires fondamentaux qui régulent l’activité des cellules germinales chez les femelles adultes. Conçu comme un projet interdisciplinaire, PROBA mobilisera des approches de pointe telles que l’imagerie 3D, le séquençage d’ARN à cellule unique, et la modélisation mathématique, en utilisant le médaka (Oryzias latipes) comme organisme modèle. Le projet explorera comment la photopériode module la lignée germinale, et intégrera les données expérimentales dans un modèle mathématique (incluant la régulation hormonale) pour analyser avec précision le subtil équilibre entre prolifération germinale et croissance ovocytaire. En abordant cette question fondamentale, PROBA apportera un éclairage nouveau sur l’activité des cellules germinales souches adultes, un sujet encore largement inexploré chez les poissons. Il établira un lien fonctionnel entre photopériode et activité des cellules germinales, et proposera un cadre conceptuel et méthodologique innovant, applicable à d’autres systèmes biologiques, à l’interface entre biologie de la reproduction, recherche sur les cellules souches adultes et remodelage tissulaire. PROBA se positionne ainsi à la pointe de la recherche en biologie de la reproduction. Au-delà de la reproduction, les connaissances générées par PROBA ouvriront de nouvelles perspectives pour l’aquaculture, où le control de la fécondité des femelles constitue un défi majeur pour la gestion des reproducteurs, tant pour les espèces sauvages que pour les espèces d’élevage. Le modèle obtenu, par son caractère générique, pourra être adapté à d’autres espèces, mais aussi élargi pour explorer l’effet d’autres facteurs environnementaux, tels que la température, un enjeu crucial en aquaculture dans le contexte du changement climatique.

Our aim is to address the problem of quantum information theory beyond the issue of the physical implementation. Efficient protocols and algorithms can leverage the unique quantum behaviour of sub-systems, also referred to as qubits or quantum states, to yield unparalleled advantages in diverse disciplines of information processing including computing, communication, cryptography and control. All of these protocols and algorithms rely on employing quantum states as information carriers. One targeted example is the data compression algorithms, where the quantum aspect will take advantage of state superposition to enable qubits, Pauli gates and redundancy, it will also take advantage of non-locality with Bell states or equivalent, for example with the superdense coding. The aim of this project regarding data compression would be to find the compression ratio limits in the framework of a quantum information theory. These limits will be crucial for the design of future quantum networking and should embrace the extrapolations on the evolution of quantum technologies. A key problem across all applications is the optimal encoding of qubit information in coordination of the design of efficient algorithm, adapted to the envisioned application. Regarding data compression, we will explore algorithms for compressing information emitted or carried by quantum sources and develop distributed algorithms that minimize the computing complexity of quantum information manipulation in these networks. Additionally, we will investigate distributed data compression techniques to achieve optimal qubit encoding tailored to various distributed applications in quantum networks. We will consider optimal redundancy and optimal quantum distributed algorithms minimizing the need for manipulating quantum information, e.g. for byzantine agreement.

Notre compréhension et notre prédiction des systèmes biologiques et multicellulaires se heurtent à leur extrême complexité en raison de la variété des échelles et des mécanismes interdépendants qui les régissent. Les dernières décennies ont vu des avancées majeures dans la modélisation à des échelles individuelles : repliement des molécules, échanges de flux, réseaux métaboliques, voies de signalisation, régulation des gènes, communications intercellulaires... Néanmoins, la prise en compte d'échelles multiples dans un cadre global, l'intégration des connaissances d'experts et de terrain, et l'alignement des modèles sur les observations constituent les principaux goulets d'étranglement actuels. En fait, nous sommes encore loin de pouvoir concevoir des jumeaux numériques d'un système biologique. Nous manquons de langages de modélisation et de modèles génératifs pour la prédiction précise et robuste de la dynamique cellulaire. En outre, il existe un fossé critique entre les pipelines actuels de traitement des données et les approches de modélisation. Il est donc non seulement important de gérer différents cadres de modélisation à plusieurs échelles, mais aussi d'aligner correctement les modèles sur les données expérimentales et cliniques, afin d'améliorer leur précision. Notre objectif est d'initier un réseau de formation pour aborder les nouveaux principes fondamentaux et pratiques de la biologie systémique computationnelle, en inventant de nouveaux langages, cadres conceptuels et méthodologies pour générer des modèles prédictifs. Nous sommes des experts dans plusieurs domaines de l'informatique théorique et appliquée, y compris les méthodes formelles, l'intelligence artificielle symbolique, l'apprentissage automatique, le raisonnement automatisé et logique, la science des données et la bio-informatique, et nous avons une grande expérience des projets multidisciplinaires en biologie et en médecine, y compris en partenariat avec l'industrie. Nous pensons qu'il est temps de fusionner nos expertises, nos expériences et nos ambitions pour créer des méthodes innovantes de modélisation des systèmes dynamiques et d'intelligence artificielle générative adaptées aux défis biologiques et médicaux. Les doctorants formés développeront des compétences uniques avec des applications bien au-delà de la biologie, notamment sur la combinaison de l'intelligence artificielle symbolique et numérique et sur l'IA générative pour les modèles dynamiques. Pour les applications liées à la biologie, les doctorants développeront une nouvelle expertise sur les nouveaux paradigmes de modélisation des systèmes biologiques avec des programmes informatiques, ainsi que sur l'association de données quantitatives et complexes avec ces programmes. Cette expertise permettra aux doctorants de devenir de futurs leaders tant dans le monde universitaire que dans l'industrie pour développer des projets de pointe impliquant l'intelligence artificielle pour la découverte de nouvelles thérapies.

MANOLO will deliver a complete stack of trustworthy algorithms and tools to help AI systems reach better efficiency and seamless optimization in their operations, resources and data required to train, deploy and run high-quality and lighter AI models in both centralised and cloud-edge distributed environments. It will push the state of the art in the development of a collection of complementary algorithms for training, understanding, compressing and optimising machine learning models by advancing research in the areas of: model compression, meta-learning (few-shot learning), domain adaptation, frugal neural network search and growth and neuromorphic models. Novel dynamic algorithms for data/energy efficient and policy-compliance allocation of AI tasks to assets and resources in the cloud-edge continuum will be designed, allowing for trustworthy widespread deployment. To support these activities a data management framework for distributed tracking of assets and their provenance (data, models, algorithms) and a benchmark system to monitor, evaluate and compare new AI algorithms and model deployments will be developed. Trustworthiness evaluation mechanisms will be embedded at its core for explainability, robustness and security of models while using the Z-Inspection methodology for TrustworthyAI assesment, helping AI systems conform to the new AI Act regulation. MANOLO will be deployed as a toolset and tested in lab environments via Use Cases with different distributed AI paradigms within cloud-edge continuum settings; it will be validated in verticals such as health, manufacturing, and telecommunications aligned with ADRA identified market opportunities, and with a granular set of embedded devices covering robotics, smartphones, IoT as well as using Neuromorphic chips. MANOLO will integrate with ongoing projects at EU level developing the next operating system for cloud-edge continuum, while promoting its sustainability via the AI-on-demand platform and EU portals.

The ARTEMIs project aims to consolidate existing computational mechanistic and machine-learning models at different scales to deliver ‘virtual twins’ embedded in a clinical decision support system (CDSS). The CDSS will provide clinically meaningful information to clinicians, for a more personalised management of the whole spectrum of Metabolic Associated Fatty Liver Disease (MAFLD). MAFLD, with an estimated prevalence of about 25%, goes from an undetected sleeping disease, to inflammation (hepatitis), to fibrosis development (cirrhosis) and/or hepatocellular carcinoma (HCC), decompensated cirrhosis and HCC being the final stages of the disease. However, many MAFLD patients do not die from the liver disease itself, but from cardiovascular comorbidities or complications. The ARTEMIs will contribute to the earlier management of MAFLD patients, by prognosing the development of more advanced forms of the disease and cardiovascular comorbidities, promoting active surveillance of patients at risk. The system will predict the impact of novel drug treatments or procedures, or simply better life habits. The system will therefore not only serve as a clinical decision aid tool, but also as an educational tool for patients, to promote better nutritional and lifestyle behaviors. In more advanced forms of the disease, therapeutic interventions include TIPPS to manage portal hypertension, partial hepatectomy, partial or complete liver transplant. ARTEMIs will contribute to predict per- or post-intervention heart failure, building on existing microcirculation hemodynamics models. The model developers will benefit from a large distributed patient cohort and data exploration environment to identify patterns in data, draw new theories on the liver-heart metabolic axis and validate the performance of their models. The project includes a proof-of-concept feasibility study assessing the utility of the integrated virtual twins and CDSS in the clinical context.

EBRAINS is a collaborative European Research Infrastructure designed to advance and accelerate progress in neuroscience and brain health. This innovative infrastructure, a legacy of the Human Brain Project (HBP), is an ecosystem where researchers, clinicians and experts from various disciplines converge to explore and analyze brain complexity – from molecular and cellular levels to the functioning of the entire organ. Therefore, the project aims to create a new standard for brain atlases from the micro- to the macro-scale, link foundational multi-level data and connectomes in the healthy and pathological brain with atlases and models, create digital twins through modelling and simulation as well as unique, excellent, and preferred services for FAIR neuroscience data. The overarching goal of EBRAINS 2.0 is to foster a deeper understanding of brain structure and function with dedicated and mature software tools, to facilitate the development of more effective treatments, new drugs, diagnostics and preventive measures for neuro-psychiatric disorders. We expect that EBRAINS 2.0 catalyzes progress in the field of large-scale models running on HPC towards Exascale and leads to innovative solutions for neuro-inspired computing, and cognitive technologies such as neurorobotics and AI. Sophisticated digital modeling and data analytics capabilities will benefit communities beyond neuroscience, such as biomedicine. We will advance EBRAINS technology, platform services and the base infrastructure roadmap, educate and train a new community of users and developers from academia, industry and SMEs, and ensure knowledge transfer. EBRAINS 2.0 will become the neuroscience hub in the European infrastructure landscape, through building strong links with the European data spaces, EOSC and EuroHPC JU, centers of excellences and other initiatives. Globally, EBRAINS 2.0 will make a strong contribution to the new era of digital neuroscience and foster European leadership in this field.

Brain tumors strike people in the prime of life. Surgical resection is the initial treatment for nearly all brain tumors and aims at maximizing the extent of tumor resection while preserving the patient's cognitive function. To optimize this tradeoff, neuronavigation systems have been developed to provide intraoperative guidance to surgeons. These systems allow for the visualization of the position of surgeons' surgical tools relative to the tumor and critical brain areas visible in preoperative Magnetic Resonance Imaging. However, these systems become inaccurate as the surgery progresses since they do not account for brain deformation and tissue resection occurring during surgery. In an interdisciplinary effort, project SafeREG combines the researcher's background to the expertise of computational scientists from INRIA and clinicians from Parisian hospitals. Its objective is to invent a novel image registration methodology with intraoperative ultrasound that is rich enough to capture complex deformations occurring at the tumor and resection cavity boundaries, fast enough to be employable clinically, and interpretable enough for informed decision-making by neurosurgeons. This will be accomplished by pushing the envelope of scientific knowledge in (1) cross-modality domain adaptation for weakly- and unsupervised image segmentation; (2) modality-invariance representation learning using contrastive learning; (3) non-rigid registration with discrete probabilistic methods; (4) simulated-based variational inference for registration uncertainty quantification that leverages biomechanical knowledge. This research has the potential to deliver accurate and informed image-guided surgery, conferring a lower risk of new neurologic deficits and improved patient prognosis. Beyond neurosurgery, it has broad applications to additional areas of image-guided therapy, including spine, liver, and prostate surgery.

Quantum computing can be thought of in multiple ways. Among those ways, it can be seen as a computational model of quantum mechanics. Studying this model may have implications for our understanding of physics. It can also be seen as a new computational paradigm, with implications for computation, algorithms, and logic. Additionally, it can be viewed as a computational device that requires programming. Therefore, it is necessary to design and study programming languages for this purpose. The study of the foundations of quantum programming languages, type theory, and logic through the Curry-Howard correspondence may shed light on our understanding of quantum mechanics. Furthermore, it may lead to the development of new logics or the understanding of new structures in classical logic. Lastly, implementing these languages will enhance the way we program the new computers when they become widely used. In this project, we propose to study these various aspects of quantum computing, specifically focusing on the foundations of programming languages.

L'instabilité génomique liée au vieillissement peut causer des maladies graves. Les télomères, en se raccourcissant, déclenchent cette instabilité en provoquant la sénescence cellulaire. Les mécanismes de cette instabilité génomique, que nous appelons GITTE, restent à définir. Notre principal objectif est de comprendre comment l'érosion des télomères initie l'instabilité du génome. Nous avons développé le système "FinalCut" dans Saccharomyces cerevisiae pour examiner l'érosion d'un télomère individuel et ses conséquences. Nos résultats indiquent que le télomère le plus court dans une cellule joue un rôle clé dans le déclenchement de l'instabilité génomique. Nous émettons l’hypothèse que lorsque la télomèrase est absente, le premier télomère à atteindre une longueur critique subit des changements structurels spécifiques, entraînant l'arrêt de la division cellulaire et le GITTE. Notre projet se compose de quatre objectifs principaux : 1. Comprendre comment le télomère le plus court devient dysfonctionnel et déclenche le GITTE. 2. Explorer le rôle des altérations de la structure chromosomique dans le GITTE. 3. Examiner l'impact des espèces réactives de l'oxygène (ROS) dans la dysfonction des télomères et le GITTE. 4. Analyser comment les mécanismes du GITTE contribuent à l'hétérogénéité observée dans la sénescence réplicative. Pour aborder la variabilité inhérente à la biologie des télomères et à la sénescence cellulaire, ainsi que la rareté du GITTE, nous utiliserons la microfluidique, la modélisation mathématique et le système FinalCut pour révéler les bases moléculaires du GITTE. Notre projet vise à établir un cadre conceptuel qui lie la longueur des télomères à la capacité de prolifération cellulaire. Cela pourrait conduire à l'identification de cibles thérapeutiques potentielles pour moduler la sénescence cellulaire ou prévenir les maladies liées au GITTE.

L'Europe est en retard par rapport à nos collègues américains en ce qui concerne l'application réelle des connaissances en matière d'ICB à la restauration de la parole dans le cas de troubles graves de la production de la parole tels que le mutisme dans le syndrome de Locked-in ou la dysarthrie profonde dans la sclérose latérale amyotrophique. L'espoir pour ces patients de retrouver une communication en temps réel avec les soignants et les proches est tangible (Metzger et al., 2023; Willett et al., 2023), et le travail de base conceptuel a été réalisé dans nos équipes au cours des dernières années, ce qui rend possible les premiers essais sur les patients, seul moyen d'acquérir les connaissances de base manquantes pour aller plus loin dans les essais cliniques. Le projet SpeakOut vise à se rapprocher des applications cliniques réelles en apportant des améliorations décisives à la technologie existante en vue d'une implantation chronique à long terme. Ces améliorations comprennent le passage à un système entièrement implantable pour la sécurité du patient, le ciblage d'une couverture d'électrodes permettant une interface au niveau de la syllabe, la diversification de l'espace des caractéristiques décodées, l'optimisation du compromis entre l'apprentissage humain et l'apprentissage automatique. Au cours des quatre années du projet, nous espérons avoir pré-exploré, sélectionné et interfacé avec succès trois patients, ce qui permettra d'évaluer la généralisation potentielle de notre approche et d'envisager d'éventuelles modifications pour aller de l'avant en vue d'applications cliniques plus larges. La promotion et l'éthique du projet SpeakOut ont déjà été déposées.

SCALP considère des systèmes complexes régis par des dynamiques multi-échelles non linéaires avec des interactions non locales entre échelles. Ces systèmes présentent des événements extrêmes dans leur dynamique ainsi que des dépendances à longue portée. Quelques exemples de ce type de processus sont donnés par la turbulence des fluides, la dynamique des océans et de l'atmosphère, les marchés boursiers, les processus d'avalanche. Ils résistent généralement aux approches analytiques/simulation traditionnelles, faute de disposer d'un modèle physique fiable et exploitable nécessaire pour effectuer des tâches de prévision. Les systèmes chaotiques de grande dimension présentent généralement une dynamique trop complexe pour permettre une analyse théorique. Ainsi la construction d'un modèle minimal interprétable devrait pouvoir fournir des éléments de compréhension de tels systèmes. Les approches d'apprentissage automatique sont séduisantes dans ce contexte, mais elles nécessitent la conception de nouvelles architectures d'apprentissage automatique qui présentent des propriétés spécifiques informées par la physique, telles que les symétries d'échelle et les lois de conservation. De plus, les observations sont souvent rares, éliminant de facto les architectures trop volumineuses. Notre objectif est de développer des modèles profonds mais interprétables avec des symétries d'échelle pertinentes et respectant les lois de conservation physiques. En tant que cas d'étude, nous nous concentrerons sur divers modèles dynamiques multi-échelles de la turbulence (turbulence des ondes, turbulence des fluides), des modèles chaotiques de la dynamique atmosphérique et des processus d'avalanche. Ensuite, des données réelles provenant d'observations, d'expériences et de simulations numériques directes seront étudiées. Les impacts à long terme de SCALP concernent des contextes qui ne se limitent pas à la physique et où de plus grands réseaux non interprétables ne sont pas la solution.

Ces dernières années, des technologies matérielles innovantes ont émergé pour améliorer les calculs distribués dans les centres de données. Ainsi, les switchs programmables permettent le traitement des paquets avec des fonctionnalités définies par l'utilisateur pendant le transit des paquets. De même, les DPUs peuvent décharger les calculs sur les données des processeurs de calcul. Simultanément, l'urgence des crises climatiques et énergétiques a souligné la nécessité d'architectures économes. Or, ces nouvelles technologies offrent une opportunité pour réduire le trafic global du réseau des services distribués en déchargeant les calculs des CPU vers le réseau lui-même. Elles doivent donc être intégrées dans la conception des composants fondamentaux des systèmes distribués tels que les détecteurs de défaillance, la gestion de groupe, la dissémination fiable d'information ou le consensus. Nous proposons FurgalDinet, une plateforme pour construire des services distribués fiables et peu coûteux, tirant parti de ces technologies et qui minimise l'utilisation du CPU dans les centres de données et, par conséquent, leur consommation d'énergie. Notre approche globale étend les algorithmes clés tels que l'élection du leader, l'adhésion à un groupe et la diffusion, nécessaires à la création de services fiables. Nous visons non seulement à décharger la logique des algorithmiques sur les composants réseau, mais aussi d'utiliser de façon opportuniste des informations disponibles au niveau des switchs. Nous proposerons également un nouveau langage de programmation de haut niveau facilitant l'utilisation transparente de ces services distribués économes et fiables. Le projet sera évalué pour mettre en oeuvre un système de transactions de données répliquées