Les événements extrêmes sont des phénomènes rares et intenses rencontrés dans une variété de situations se produisant en hydrodynamique (ondes océaniques scélérates), sciences de la terre (tremblements de terre, éruptions volcaniques, inondations), finance (krachs boursiers, bulles), biologie (crises d'épilepsie) et sciences sociales (vagues de criminalité, migrations massives). Bien que l'origine de ces phénomènes puisse être très différente, il est important de pouvoir comprendre les mécanismes sous-jacents afin d'essayer de les prévoir, car ils peuvent avoir des conséquences dramatiques. Parce que ces événements sont rares par définition, la photonique est devenue une bonne plateforme pour les étudier grâce aux échelles de temps courtes qu’on peut y trouver, permettant d'enregistrer un grand nombre de tels événements et d'avoir des statistiques fiables en peu de temps, le tout dans une expérience de laboratoire. De plus, la flexibilité des matériaux et des systèmes utilisés en optique peut couvrir de nombreuses situations physiques différentes. Dans une précédente étude, le groupe du C2N et ses collaborateurs de l'Université de Lille et de l'Université du Chili avaient montré que des événements extrêmes pouvaient émerger suite à l'apparition de chaos spatio-temporel, qui est un type de dynamique complexe que l'on retrouve dans les systèmes évoluant dans l'espace et dans le temps mais que l'on peut décrire avec un modèle déterministe. Plus récemment, en utilisant une combinaison de techniques de prévision « model-free », utilisant l'apprentissage automatique, et de mesures issues de la théorie de l’information, ils ont pu montrer qu'il est possible de prévoir à l'avance et avec une précision satisfaisante l'occurrence d'événements extrêmes dans ce système expérimental en utilisant une information non-locale, c'est-à-dire en utilisant des enregistrements temporels issus d’un lieu différent de celui de l'événement extrême [1]. Cette démonstration se distingue d’autres travaux récents par l'utilisation de données expérimentales partiellement connues (seulement une partie de l'information est disponible à la fois), une situation souvent rencontrée dans les systèmes naturels et expérimentaux.
[1] Extreme Events Prediction from Nonlocal Partial Information in a Spatiotemporally Chaotic Microcavity Laser, V. A. Pammi, M. G. Clerc, S. Coulibaly, and S. Barbay, Phys. Rev. Lett. 130, 223801 (2023).
References
Extreme Events Prediction from Nonlocal Partial Information in a Spatiotemporally Chaotic Microcavity Laser
V. A. Pammi1, M. G. Clerc2, S. Coulibaly3, and S. Barbay1
Phys. Rev. Lett. 130, 223801 – Published 31 May 2023
DOI:https://doi.org/10.1103/PhysRevLett.130.223801
Affiliations
1Université Paris-Saclay, CNRS, Centre de Nanosciences et de Nanotechnologies, 91120 Palaiseau, France
2Departamento de Física and Millenium Institute for Research in Optics, Facultad de Ciencias Físicas y Matemáticas, Universidad de Chile, Casilla 487-3, Santiago, Chile
3Univ. Lille, CNRS, UMR 8523 - PhLAM - Physique des Lasers Atomes et Molécules, F-59000 Lille, France
Contact : Sylvain Barbay
