Séminaire de Rodrigo Aldana López

Cet exposé traite de la différenciation distribuée, dans laquelle des agents recevant des signaux locaux variant dans le temps doivent estimer de manière coopérative la moyenne à l’échelle du réseau et la dérivée de cette moyenne en s’appuyant uniquement sur la communication entre voisins.

La principale contribution réside dans un cadre de Lyapunov qui extrait les caractéristiques structurelles essentielles communes au différentiateur à super-torsion classique et les intègre dans un modèle abstrait de super-torsion qui rend compte de la dynamique des erreurs au sein du réseau.

À l’aide d’outils issus de l’analyse convexe et de l’homogénéité, nous construisons une fonction de Lyapunov basée sur un potentiel homogène strictement convexe et son conjugué convexe, ce qui conduit à des conditions de gain explicites et à une convergence globale en temps fini vers le consensus à partir de conditions initiales arbitraires.

Nous montrons ensuite que le différentiateur distribué s’inscrit dans ce modèle abstrait en sélectionnant un potentiel construit à partir des désaccords entre arêtes induits par la structure du graphe.

Les extensions de ce cadre comprennent la différenciation distribuée de type « leader-suiveur » et le suivi de formation affine basé sur le modèle HOSM.

Rodrigo Aldana López est né à Guadalajara, au Mexique, et a obtenu son doctorat à l’université de Saragosse, en Espagne. Il a reçu le prix EECI du meilleur doctorat en systèmes et contrôle en Europe pour l’année 2024.

Il occupe actuellement le poste de professeur émérite à l’université de Saragosse dans le cadre du programme de bourses Beatriz Galindo.

Ses domaines d’intérêt couvrent la théorie du contrôle, l’optimisation distribuée, la robotique, l’apprentissage automatique, les systèmes en réseau et la prise de décision autonome.

Il a collaboré avec Intel Labs dans les domaines de l’intelligence artificielle, de la robotique et des systèmes informatiques à grande échelle, ce qui a donné lieu à plus de 20 brevets délivrés.

Il est rédacteur en chef adjoint du Journal of the Franklin Institute et est l’auteur de nombreuses publications dans des revues et à l’occasion de conférences de premier plan dans les domaines des systèmes et du contrôle, de la robotique et de l’apprentissage automatique.

Super-torsion sur les réseaux : une approche de Lyapunov de la différenciation distribuée.