Virginia Bordignon reçoit le prix 2023 IEEE Best Dissertation

Virginia Bordignon a obtenu son doctorat en génie électrique en 2022 à l'EPFL sous la direction du Prof. Ali H. Sayed au sein du Laboratoire des systèmes adaptatifs. Ce prix récompense les thèses de doctorat pour leur impact scientifique sur la discipline et pour leur qualité globale en termes de créativité, de nouveauté, de rigueur et de rapidité. Elle recevra le prix lors de la cérémonie de remise des prix de l'IEEE Signal Processing Society qui se tiendra à Séoul, en Corée, en avril 2024.

Selon son directeur de thèse, le professeur Sayed, "la thèse de Virginia est d'une qualité exceptionnelle en termes de sujet, de qualité et de profondeur. Sa thèse n'a pas seulement résolu d'importants problèmes ouverts dans le domaine de l'apprentissage social d'une manière élégante et mathématiquement approfondie, mais elle a également lancé de nouvelles directions de recherche qui motivent les travaux de plusieurs autres doctorants".

La thèse de Dr. Bordignon porte sur l'apprentissage social dans les graphes. L'apprentissage social implique une collection d'agents qui sont généralement dispersés dans une région géographique. Les agents échangent des opinions sur un sujet particulier ou observent un état de la nature. Par exemple, les agents peuvent observer ensemble un oiseau et souhaiter se mettre d'accord sur sa couleur, ou ils peuvent observer une machine et souhaiter décider si elle fonctionne en toute sécurité ou non. Étant donné que les agents peuvent observer l'objet selon des perspectives ou des angles différents, les informations dont dispose chaque agent peuvent ne pas être suffisantes pour lui permettre de prendre une décision en connaissance de cause. En travaillant ensemble et en partageant des informations entre voisins, les agents sont en mesure de parvenir à un consensus et de se mettre d'accord sur une caractéristique commune (comme la couleur de l'oiseau dans cet exemple ou l'état de sécurité d'une machine). Bien qu'il s'agisse d'un exemple simple, l'état de la nature peut se référer à n'importe quel autre scénario, tel que décider des conditions météorologiques (pluvieux, ensoleillé, nuageux), décider d'un danger imminent, se mettre d'accord sur une opinion, suivre la dynamique de l'opinion, suivre des cibles, etc. Cette formulation est essentielle pour résoudre les problèmes de prise de décision par des agents en réseau et est utile dans de nombreux scénarios.

Les travaux de Virginia Bordignon ont permis de montrer comment intégrer l'adaptation et l'apprentissage dans la règle populaire de Bayes afin de permettre des interactions socialement intelligentes sur les graphes. Ce faisant, elle a pu proposer une nouvelle classe d'algorithmes d'apprentissage social capables de suivre les changements dans les modèles sous-jacents, de réagir plus rapidement aux dérives des opinions, de contrer l'entêtement des agents dans les réseaux sociaux et de permettre un apprentissage continu. Dans son travail, elle a dû s'appuyer sur des outils mathématiques et de probabilité avancés tels que la convergence des séries aléatoires, les théorèmes de limite centrale non conventionnels et l'analyse des grandes déviations. Ses travaux ont fait l'objet de nombreuses publications, dont 5 articles dans la revue IEEE Trans. Information Theory et 1 article dans la revue IEEE Trans. Signal Processing.

Le Dr Bordignon est actuellement chercheuse post-doctoral au Laboratoire des systèmes adaptatifs de la Faculté des sciences et techniques de l'ingénieur à l'EPFL.