Bureau :
Chargé de Recherche CNRS affecté à la Fédération de Mathématiques de CentraleSupélec
Axe : Analyse mathématique et analyse stochastique - Analyse Numérique
Ludovic Goudenège est un spécialiste des
équations aux dérivées partielles stochastiques, notamment en présence
de non-linéarités fortes ou singulières, dont il étudie l'existence et
l'unicité des solutions, le comportement asymptotique des semi-groupes
de résolution et les mesures invariantes.
Il s'intéresse plus particulièrement aux équations de champ de phase de
type Cahn-Hilliard, Allen-Cahn et Navier-Stokes, parfois en couplage.
Il développe des résultats théoriques sur la convergence et l'analyse numérique
de schémas numériques pour les équations aux dérivées partielles stochastiques,
notamment les algorithmes de simulation d'évènements rares de type Adaptive Multilevel Splitting.
Il est également spécialiste des méthodes numériques de type Elements Finis,
Différences Finies et Volumes Finis avec des applications dans l'existence
et l'unicité de solutions à des problèmes probabilistes :
+ Les processus de Markov déterministes par morceaux
+ Les modèles biologiques de type Wright-Fisher avec sélection
+ Les équations aux dérivées partielles de type Black-Scholes, Heston, Hull-White, Bates, etc.
Il travaille également en lien avec l'équipe Inria MathRisk pour le développement
de méthodes numériques pour la finance et l'assurance.
Il développe des méthodes d'apprentissage statistiques (machine learning)
pour la résolution d'EDP en grandes dimensions, non-linéaires, de programmation dynamique,
de temps d'arrêt optimaux, etc.
Plus d'informations sur sa page web personnelle du CNRS :
Page web personnelle
Mathématiques