Notice
Integrating Simulation, Machine Learning, and High-performance Computing to Support Public Health Decision Making
- document 1 document 2 document 3
- niveau 1 niveau 2 niveau 3
Descriptif
The COVID-19 pandemic has highlighted the need for detailed modeling approaches that can capture the many complexities of emerging infectious diseases. In response, our group developed CityCOVID, a distributed agent-based model capable of tracking COVID-19 transmission in large, urban areas. Through partnerships between Argonne National Laboratory, the University of Chicago, the Chicago Department of Public Health, and the Illinois COVID-19 Modeling Task Force we combined multiple data sources to develop a locally informed, realistic, and statistically representative synthetic agent population, with attributes and processes that reflect real-world social and biomedical aspects of transmission. We model all 2.7 million individual residents of Chicago, as they go to and from 1.2 million different places according to their individual hourly schedules. In this presentation I will describe how we integrated agent-based modeling (Repast HPC, ChiSIM), machine learning (IMABC, MOBO), and high-performance computing (HPC) technologies (Swift/T, EMEWS) in support of public health stakeholders. I will describe our efforts in translating the outputs of our HPC-generated analyses to support public health decision making in understanding, responding to and planning for the current and future population health emergencies. I will also describe other areas of application where our integrated approaches have and are continuing to be applied. I will conclude with thoughts on future areas of interest.
Intervention / Responsable scientifique
Sur le même thème
-
Machine Learning Regularization via Information Measures
Iñaki EsnaolaL’effet de l’asymétrie de l’entropie relative est analysé dans le contexte de la minimisation du risque empirique (ERM) avec régularisation par entropie relative (ERM-RER).
-
Minimization and Maximization of Empirical Risks: Applications in Data Unlearning and Decentralized…
BermudezYaizaCette présentation propose une nouvelle perspective sur la minimisation et la maximisation des risques empiriques avec régularisation par entropie relative en apprentissage statistique.
-
Rethinking Generalisation: Beyond KL with Geometry and Comparators
GuedjBenjaminIntervention sur la généralisation en apprentissage automatique, les avancées récentes de la théorie PAC-bayésienne, l’usage des distances de Wasserstein, les cadres généraux de comparateurs, ainsi
-
Comment les machines apprennent ?
FerréArnaudANF TDM et IA 2025 | Comment les machines apprennent ? avec Arnaud Ferré (MaIAGE, INRAE)
-
Comment une IA peut-elle faire la conversation ?
FerréArnaudANF TDM et IA 2025 | Comment une IA peut-elle faire la conversation ? avec Arnaud Ferré (MaIAGE, INRAE)
-
Interagir efficacement avec un agent conversationnel
ChifuAdrian-GabrielANF TDM et IA 2025 | Comment interagir efficacement avec un agent conversationnel : prompt engineering et prompt hacking avec Adrian Chifu (LIS, Aix-Marseille Université)
-
Les modèles de langue : usages et enjeux sociétaux
GuigueVincentANF TDM et IA 2025 | Les modèles de langue : usages et enjeux sociétaux avec Vincent Guigue (MIA, AgroParisTech)
-
Déploiement d'IA sécurisées en local appliqué aux données sensibles et open source
SanjuanEricANF TDM et IA 2025 | Retour d’expérience sur le déploiement d'IA sécurisées en local (processus ETLs) appliqué aux données sensibles (santé) et open source (OpenAlex) avec Éric SanJuan (LIA, Avignon
-
Interroger ses documents avec des grands modèles de langage : méthode RAG
PoulainPierreANF TDM et IA 2025 | Interroger ses documents avec des grands modèles de langage : découverte de la méthode RAG avec Pierre Poulain (Laboratoire de Biochimie Théorique, Université Paris Cité)
-
Apprentissage de la dynamique de la fumée à partir d’images avec des Gaussiennes 3D
DenisLouCes travaux ont pour objectif d’inférer la dynamique 3D de la fumée à partir d’images multi-vues...
-
Analysis of deforming 3D shapes
WuhrerStefanieThis talk presents our recent results on data-driven representations and analyses of deforming 3D shapes. Three classes of shapes will be discussed...
-
ML-enhancement of simulation and optimization in electromagnetism
PestourieRaphaëlFull-wave simulations of large-scale electromagnetic devices — spanning thousands of wavelengths while featuring sub-wavelength geometrical details — pose significant computational challenges….
