Academic literature on the topic 'Méthodes de Monte-Carlo et quasi Monte-Carlo'

The distribution of light in the canopy is a major factor regulating the growth and development of a plant. The main variables of interest are the amount of photosynthetically active radiation (PAR) reaching different elements of the plant canopy, and the quality (spectral composition) of light reaching these elements. A light environment model based on Monte Carlo (MC) path tracing of photons, capable of computing both PAR and the spectral composition of light, was developed by Měch (1997), and can be conveniently interfaced with virtual plants expressed using the open L-system formalism. To improve the efficiency of the light distribution calculations provided by Měch’s MonteCarlo program, we have implemented a similar program QuasiMC, which supports a more efficient randomised quasi-Monte Carlo sampling method (RQMC). We have validated QuasiMC by comparing it with MonteCarlo and with the radiosity-based CARIBU software (Chelle et al. 2004), and we show that these two programs produce consistent results. We also assessed the performance of the RQMC path tracing algorithm by comparing it with Monte Carlo path tracing and confirmed that RQMC offers a speed and/or accuracy improvement over MC.

RÉSUMÉCe survol fournit une introduction aux techniques d’échantillonnage de typeMarkov Chain Monte Carlo(MCMC) et leurs applications à l’économétrie bayesienne. Par ce survol notre but n’est pas d’expliquer les fondements théoriques derrière les méthodes de type MCMC, mais bien de faire un exposé pratique des techniques qui s’y rapportent. Nous chercherons surtout à mettre en valeur la facilité et l’étendue des applications par l’utilisation d’exemples simples.

La loi exponentielle est très répandue en hydrologie : elle est faiblement paramétrée, de mise en œuvre aisée. Deux méthodes sont fréquemment utilisées pour estimer son paramètre : la méthode du maximum de vraisemblance et la méthode des moments, qui fournissent la même estimation. A côté de ces deux méthodes, il y a celle des moindres carrés qui est très rarement utilisée pour cette loi. Dans cet article, nous comparons le comportement asymptotique de l'estimateur de la méthode des moindres carrés avec celui de la méthode du maximum de vraisemblance en partant d'une loi exponentielle à un seul paramètre a connu, puis en généralisant les résultats obtenus à partir de la dérivation des expressions analytiques. L'échantillon historique disponible en pratique étant unique, et de longueur généralement courte par rapport à l'information que l'on désire en tirer, l'étude des propriétés statistiques des estimateurs ne pourra se faire qu'à partir d'échantillons de variables aléatoires représentant des réalisations virtuelles du phénomène hydrologique concerné obtenus par simulations de Monte Carlo. L'étude par simulation de Monte Carlo montre que pour de faibles échantillons, l'espérance mathématique des deux estimateurs tend vers le paramètre réel, et que la variance de l'estimateur des moindres carrés est supérieure à celle de l'estimateur du maximum de vraisemblance.

RésuméCet article illustre l’applicabilité des méthodes de rééchantillonnage dans le cadre des tests multiples (simultanés), pour divers problèmes économétriques. Les hypothèses simultanées sont une conséquence habituelle de la théorie économique, de sorte que le contrôle de la probabilité de rejet de combinaisons de tests est un problème que l’on rencontre fréquemment dans divers contextes économétriques et statistiques. À ce sujet, on sait que le fait d’ignorer le caractère conjoint des hypothèses multiples peut faire en sorte que le niveau de la procédure globale dépasse considérablement le niveau désiré. Alors que la plupart des méthodes d’inférence multiple sont conservatrices en présence de statistiques non indépendantes, les tests que nous proposons visent à contrôler exactement le niveau de signification. Pour ce faire, nous considérons des critères de test combinés proposés initialement pour des statistiques indépendantes. En appliquant la méthode des tests de Monte-Carlo, nous montrons comment ces méthodes de combinaison de tests peuvent s’appliquer à de tels cas, sans recours à des approximations asymptotiques. Après avoir passé en revue les résultats antérieurs sur ce sujet, nous montrons comment une telle méthodologie peut être utilisée pour construire des tests de normalité basés sur plusieurs moments pour les erreurs de modèles de régression linéaires. Pour ce problème, nous proposons une généralisation valide à distance finie du test asymptotique proposé par Kiefer et Salmon (1983) ainsi que des tests combinés suivant les méthodes de Tippett et de Pearson-Fisher. Nous observons empiriquement que les procédures de test corrigées par la méthode des tests de Monte-Carlo ne souffrent pas du problème de biais (ou sous-rejet) souvent rapporté dans cette littérature – notamment contre les loisplatikurtiques– et permettent des gains sensibles de puissance par rapport aux méthodes combinées usuelles.

Abstract Quasi–Monte Carlo (QMC) integration of output functionals of solutions of the diffusion problem with a log-normal random coefficient is considered. The random coefficient is assumed to be given by an exponential of a Gaussian random field that is represented by a series expansion of some system of functions. Graham et al. (2015, Quasi-Monte Carlo finite element methods for elliptic PDEs with lognormal random coefficients. Numer. Math., 131, 329–368) developed a lattice-based QMC theory for this problem and established a quadrature error decay rate ≈ 1 with respect to the number of quadrature points. The key assumption there was a suitable summability condition on the aforementioned system of functions. As a consequence, product-order-dependent weights were used to construct the lattice rule. In this paper, a different assumption on the system is considered. This assumption, originally considered by Bachmayr et al. (2017c, Sparse polynomial approximation of parametric elliptic PDEs. Part I: affine coefficients. ESAIM Math. Model. Numer. Anal., 51, 321–339) to utilise the locality of support of basis functions in the context of polynomial approximations applied to the same type of the diffusion problem, is shown to work well in the same lattice-based QMC method considered by Graham et al.: the assumption leads us to product weights, which enables the construction of the QMC method with a smaller computational cost than Graham et al. A quadrature error decay rate ≈ 1 is established, and the theory developed here is applied to a wavelet stochastic model. By a characterisation of the Besov smoothness, it is shown that a wide class of path smoothness can be treated with this framework.

We analyze the convergence rate of a multilevel quasi-Monte Carlo (MLQMC) Finite Element Method (FEM) for a scalar diffusion equation with log-Gaussian, isotropic coefficients in a bounded, polytopal domain D ⊂ ℝd. The multilevel algorithm QL* which we analyze here was first proposed, in the case of parametric PDEs with sequences of independent, uniformly distributed parameters in Kuo et al. (Found. Comput. Math. 15 (2015) 411–449). The random coefficient is assumed to admit a representation with locally supported coefficient functions, as arise for example in spline- or multiresolution representations of the input random field. The present analysis builds on and generalizes our single-level analysis in Herrmann and Schwab (Numer. Math. 141 (2019) 63–102). It also extends the MLQMC error analysis in Kuo et al. (Math. Comput. 86 (2017) 2827–2860), to locally supported basis functions in the representation of the Gaussian random field (GRF) in D, and to product weights in QMC integration. In particular, in polytopal domains D ⊂ ℝd, d=2,3, our analysis is based on weighted function spaces to describe solution regularity with respect to the spatial coordinates. These spaces allow GRFs and PDE solutions whose realizations become singular at edges and vertices of D. This allows for non-stationary GRFs whose covariance operators and associated precision operator are fractional powers of elliptic differential operators in D with boundary conditions on ∂D. In the weighted function spaces in D, first order, Lagrangian Finite Elements on regular, locally refined, simplicial triangulations of D yield optimal asymptotic convergence rates. Comparison of the ε-complexity for a class of Matérn-like GRF inputs indicates, for input GRFs with low sample regularity, superior performance of the present MLQMC-FEM with locally supported representation functions over alternative representations, e.g. of Karhunen–Loève type. Our analysis yields general bounds for the ε-complexity of the MLQMC algorithm, uniformly with respect to the dimension of the parameter space.

The experimentally determined temperature programmed desorption profile of CO from Fe(100) is characterized by four maxima, i.e., α1-CO, α2-CO, α3-CO, and β-CO (see e.g., Moon et al., Surf. Sci. 1985, 163, 215). The CO-TPD profile is modeled using mean-field techniques and kinetic Monte Carlo to show the importance of lateral interactions in the appearance of the CO-TPD-profile. The inclusion of lateral interactions results in the appearance of a new maximum in the simulated CO-TPD profile if modeled using the mean-field, quasi-chemical approach or kinetic Monte Carlo. It is argued that α2-CO may thus originate from lateral interactions rather than a differently bound CO on Fe(100). A detailed sensitivity analysis of the effect of the strength of the lateral interactions between the species involved (CO, C, and O), and the choice of the transition state, which affects the activation energy for CO dissociation, and the energy barrier for diffusion on the CO-TPD profile is presented.

This article presents an approach and a model to valuing discrete barrier American options. The developed model consists of an adaptation of the method of Grant, Vora and Weeks (1997), in order to allow to incorporate the barriers. The Hybrid Quasi-Monte Carlo method was used in the simulations and the Bisection method in the definition of the options trigger curves. The results found in the application of the developed model were compared with the estimated by the Adaptive Mesh Model, developed by Ahn et al (1999). In addition, the sensitivity of the options price relative to changes in inputs parameters was analyzed, confirming the consistence of the model.

La thèse contient 6 chapitres. Le premier chapitre contient une introduction à la régression linéaire et aux problèmes Lasso et Lasso bayésien. Le chapitre 2 rappelle les algorithmes d’optimisation convexe et présente l’algorithme FISTA pour calculer l’estimateur Lasso. La statistique de la convergence de cet algorithme est aussi donnée dans ce chapitre en utilisant l’entropie et l’estimateur de Pitman-Yor. Le chapitre 3 est consacré à la comparaison des méthodes quasi-Monte Carlo et Monte Carlo dans les calculs numériques du Lasso bayésien. Il sort de cette comparaison que les points de Hammersely donne les meilleurs résultats. Le chapitre 4 donne une interprétation géométrique de la fonction de partition du Lasso bayésien et l’exprime en fonction de la fonction Gamma incomplète. Ceci nous a permis de donner un critère de convergence pour l’algorithme de Metropolis Hastings. Le chapitre 5 présente l’estimateur bayésien comme la loi limite d’une équation différentielle stochastique multivariée. Ceci nous a permis de calculer le Lasso bayésien en utilisant les schémas numériques semi implicite et explicite d’Euler et les méthodes de Monte Carlo, Monte Carlo à plusieurs couches (MLMC) et l’algorithme de Metropolis Hastings. La comparaison des coûts de calcul montre que le couple (schéma semi-implicite d’Euler, MLMC) gagne contre les autres couples (schéma, méthode). Finalement dans le chapitre 6 nous avons trouvé la vitesse de convergence du Lasso bayésien vers le Lasso lorsque le rapport signal/bruit est constant et le bruit tend vers 0. Ceci nous a permis de donner de nouveaux critères pour la convergence de l’algorithme de Metropolis Hastings
The thesis contains 6 chapters. The first chapter contains an introduction to linear regression, the Lasso and the Bayesian Lasso problems. Chapter 2 recalls the convex optimization algorithms and presents the Fista algorithm for calculating the Lasso estimator. The properties of the convergence of this algorithm is also given in this chapter using the entropy estimator and Pitman-Yor estimator. Chapter 3 is devoted to comparison of Monte Carlo and quasi-Monte Carlo methods in numerical calculations of Bayesian Lasso. It comes out of this comparison that the Hammersely points give the best results. Chapter 4 gives a geometric interpretation of the partition function of the Bayesian lasso expressed as a function of the incomplete Gamma function. This allowed us to give a convergence criterion for the Metropolis Hastings algorithm. Chapter 5 presents the Bayesian estimator as the law limit a multivariate stochastic differential equation. This allowed us to calculate the Bayesian Lasso using numerical schemes semi-implicit and explicit Euler and methods of Monte Carlo, Monte Carlo multilevel (MLMC) and Metropolis Hastings algorithm. Comparing the calculation costs shows the couple (semi-implicit Euler scheme, MLMC) wins against the other couples (scheme method). Finally in chapter 6 we found the Lasso convergence rate of the Bayesian Lasso when the signal / noise ratio is constant and when the noise tends to 0. This allowed us to provide a new criteria for the convergence of the Metropolis algorithm Hastings

Les méthodes de type quasi-Monte Carlo sont des versions déterministes des méthodes de Monte Carlo. Les nombres aléatoires sont remplacés par des nombres déterministes qui forment des ensembles ou des suites à faible discrepance, ayant une meilleure distribution uniforme. L'erreur d'une méthode quasi-Monte Carlo dépend de la discrepance de la suite utilisée, la discrepance étant une mesure de la déviation par rapport à la distribution uniforme. Dans un premier temps nous nous intéressons à la résolution par des méthodes quasi-Monte Carlo d'équations différentielles pour lesquelles il y a peu de régularité en temps. Ces méthodes consistent à formuler le problème avec un terme intégral pour effectuer ensuite une quadrature quasi-Monte Carlo. Ensuite des méthodes particulaires quasi-Monte Carlo sont proposées pour résoudre les équations cinétiques suivantes : l'équation de Boltzmann linéaire et le modèle de Kac. Enfin, nous nous intéressons à la résolution de l'équation de la diffusion à l'aide de méthodes particulaires utilisant des marches quasi-aléatoires. Ces méthodes comportent trois étapes : un schéma d'Euler en temps, une approximation particulaire et une quadrature quasi-Monte Carlo à l'aide de réseaux-$(0,m,s)$. A chaque pas de temps les particules sont réparties par paquets dans le cas des problèmes multi-dimensionnels ou triées si le problème est uni-dimensionnel. Ceci permet de démontrer la convergence. Les tests numériques montrent pour les méthodes de type quasi-Monte Carlo de meilleurs résultats que ceux fournis par les méthodes de type Monte Carlo.

Les méthodes de Monte Carlo (MC) sont des méthodes statistiques basées sur l'utilisation répétée de nombres aléatoires. Les méthodes quasi-Monte Carlo (QMC) sont des versions déterministes des méthodes de Monte Carlo. Les suites aléatoires sont remplacées par des suites à discrépance faible, qui ont une meilleure répartition uniforme dans le cube unite s- dimensionnel. Nous utilisons une classe particulière de suites à discrépance faible : les suites-(t,s). Dans ce travail, nous developpons et analysons des méthodes particulaires Monte Carlo et quasi-Monte Carlo pour les phénomènes d'agglomeration. Nous nous intéressons en particulier à la simulation numérique de l'équation de coagulation discrète (équation de Smoluchowski), de l'équation de coagulation continue, de l'équation de coagulation- fragmentation continue et de l'équation générale de la dynamique (EGD) des aérosols. Pour toutes ces méthodes particulaires, on écrit l'équation vérifiée par la distribution de masse et on approche celle-ci par une somme de n mesures de Dirac ; les mesures sont pondérées dans le cas de la simulation de l'EGD. Le schema en temps est un schema d'Euler explicite. Pour la simulation de la coagulation et de la fragmentation, l'évolution des masses des particules est déterminée par des tirages de nombres aléatoires (méthode MC) ou par des quadratures quasi-Monte Carlo (méthode QMC). Pour assurer la convergence de la méthode QMC, on ordonne les particules par taille croissante à chaque pas de temps. Dans le cas de la résolution de l'EGD, on utilise une méthode à pas fractionnaire : la simulation de la coagulation se fait comme précédemment, les autres phénomènes (condensation. évaporation, déposition) sont pris en compte par une méthode particulaire déterministe de résolution d'une équation aux dérivées partielles hyperbolique. Nous démontrons la convergence du schema particulaire QMC de résolution numérique de l'équation de coagulation et de coagulation-fragmentation, quand le nombre n des particules tend vers l'infini. Tous les essais numériques montrent que les solutions calculées par les nouveaux algorithmes QMC convergent vers les solutions exactes et fournissent de meilleurs résultats que ceux obtenus par les méthodes de Monte Carlo correspondantes
Monte Carlo (MC) methods are probabilistic methods based on the use of random numbers in repeated experiments. Quasi-Monte Carlo (QMC) methods are deterministic versions of Monte Carlo methods. Random sequences are replaced by low discrepancy sequences. These sequences ha ve a better uniform repartition in the s-dimensional unit cube. We use a special class of low discrepany sequences called (t,s)-sequences. In this work, we develop and analyze Monte Carlo and quasi-Monte Carlo particle methods for agglomeration phenomena. We are interested, in particular, in the numerical simulation of the discrete coagulation equations (the Smoluchowski equation), the continuous coagulation equation, the continuous coagulation-fragmentation equation and the general dynamics equation (GDE) for aerosols. In all these particle methods, we write the equation verified by the mass distribution density and we approach this density by a sum of n Dirac measures ; these measures are weighted when simulating the GDE equation. We use an explicit Euler disretiza tion scheme in time. For the simulation of coagulation and coagulation-fragmentation, the numerical particles evolves by using random numbers (for MC simulations) or by quasi-Monte Carlo quadratures. To insure the convergence of the numerical scheme, we reorder the numerical particles by their increasing mass at each time step. In the case of the GDE equation, we use a fractional step iteration scheme : coagulation is simulated as previously, other phenomena (like condensation, evaporation and deposition) are integrated by using a deterministic particle method for solving hyperbolic partial differential equation. We prove the convergence of the QMC numerical scheme in the case of the coagulation equation and the coagulation-fragmentation equation, when the number n of numerical particles goes to infinity. All our numerical tests show that the numerical solutions calculated by QMC algorithms converges to the exact solutions and gives better results than those obtained by the corresponding Monte Carlo strategies

Le développement et l'utilisation de modèles intégrés transport-urbanisme sont devenus une norme pour représenter les interactions entre l'usage des sols et le transport de biens et d'individus sur un territoire. Ces modèles sont souvent utilisés comme outils d'aide à la décision pour des politiques de planification urbaine.Les modèles transport-urbanisme, et plus généralement les modèles mathématiques, sont pour la majorité conçus à partir de codes numériques complexes. Ces codes impliquent très souvent des paramètres dont l'incertitude est peu connue et peut potentiellement avoir un impact important sur les variables de sortie du modèle.Les méthodes d'analyse de sensibilité globales sont des outils performants permettant d'étudier l'influence des paramètres d'un modèle sur ses sorties. En particulier, les méthodes basées sur le calcul des indices de sensibilité de Sobol' fournissent la possibilité de quantifier l'influence de chaque paramètre mais également d'identifier l'existence d'interactions entre ces paramètres.Dans cette thèse, nous privilégions la méthode dite à base de plans d'expériences répliqués encore appelée méthode répliquée. Cette méthode a l'avantage de ne requérir qu'un nombre relativement faible d'évaluations du modèle pour calculer les indices de Sobol' d'ordre un et deux.Cette thèse se focalise sur des extensions de la méthode répliquée pour faire face à des contraintes issues de notre application sur le modèle transport-urbanisme Tranus, comme la présence de corrélation entre paramètres et la prise en compte de sorties multivariées.Nos travaux proposent également une approche récursive pour l'estimation séquentielle des indices de Sobol'. L'approche récursive repose à la fois sur la construction itérative d'hypercubes latins et de tableaux orthogonaux stratifiés et sur la définition d'un nouveau critère d'arrêt. Cette approche offre une meilleure précision sur l'estimation des indices tout en permettant de recycler des premiers jeux d'évaluations du modèle. Nous proposons aussi de combiner une telle approche avec un échantillonnage quasi-Monte Carlo.Nous présentons également une application de nos contributions pour le calage du modèle de transport-urbanisme Tranus
Land Use and Transportation Integrated (LUTI) models have become a norm for representing the interactions between land use and the transportation of goods and people in a territory. These models are mainly used to evaluate alternative planning scenarios, simulating their impact on land cover and travel demand.LUTI models and other mathematical models used in various fields are most of the time based on complex computer codes. These codes often involve poorly-known inputs whose uncertainty can have significant effects on the model outputs.Global sensitivity analysis methods are useful tools to study the influence of the model inputs on its outputs. Among the large number of available approaches, the variance based method introduced by Sobol' allows to calculate sensitivity indices called Sobol' indices. These indices quantify the influence of each model input on the outputs and can detect existing interactions between inputs.In this framework, we favor a particular method based on replicated designs of experiments called replication method. This method appears to be the most suitable for our application and is advantageous as it requires a relatively small number of model evaluations to estimate first-order or second-order Sobol' indices.This thesis focuses on extensions of the replication method to face constraints arising in our application on the LUTI model Tranus, such as the presence of dependency among the model inputs, as far as multivariate outputs.Aside from that, we propose a recursive approach to sequentially estimate Sobol' indices. The recursive approach is based on the iterative construction of stratified designs, latin hypercubes and orthogonal arrays, and on the definition of a new stopping criterion. With this approach, more accurate Sobol' estimates are obtained while recycling previous sets of model evaluations. We also propose to combine such an approach with quasi-Monte Carlo sampling.An application of our contributions on the LUTI model Tranus is presented

De nombreuses sources de variabilité impactent la fabrication des circuits intégrés analogiques et RF et peuvent conduire à une dégradation du rendement. Il est donc nécessaire de mesurer leur influence le plus tôt possible dans le processus de fabrications. Les méthodes de simulation statistiques permettent ainsi d'estimer le rendement paramétrique des circuits durant la phase de conception. Cependant, les méthodes traditionnelles telles que la méthode de Monte Carlo ne sont pas assez précises lorsqu'un faible nombre de circuits est simulé. Par conséquent, il est nécessaire de créer un estimateur précis du rendement paramétrique basé sur un faible nombre de simulations. Dans cette thèse, les méthodes statistiques existantes provenant à la fois de publications en électroniques et non-Électroniques sont d'abord décrites et leurs limites sont mises en avant. Ensuite, trois nouveaux estimateurs de rendement sont proposés: une méthode de type quasi-Monte Carlo avec tri automatique des dimensions, une méthode des variables de contrôle basée sur l'estimation par noyau, et une méthode par tirage d'importance. Les trois méthodes reposent sur un modèle mathématique de la métrique de performance du circuit qui est construit à partir d'un développement de Taylor à l'ordre un. Les résultats théoriques et expérimentaux obtenus démontrent la supériorité des méthodes proposées par rapport aux méthodes existantes, à la fois en terme de précision de l'estimateur et en terme de réduction du nombre de simulations de circuits
Semiconductor device fabrication is a complex process which is subject to various sources of variability. These variations can impact the functionality and performance of analog integrated circuits, which leads to yield loss, potential chip modifications, delayed time to market and reduced profit. Statistical circuit simulation methods enable to estimate the parametric yield of the circuit early in the design stage so that corrections can be done before manufacturing. However, traditional methods such as Monte Carlo method and corner simulation have limitations. Therefore an accurate analog yield estimate based on a small number of circuit simulations is needed. In this thesis, existing statistical methods from electronics and non-Electronics publications are first described. However, these methods suffer from sever drawbacks such as the need of initial time-Consuming circuit simulations, or a poor scaling with the number of random variables. Second, three novel statistical methods are proposed to accurately estimate the parametric yield of analog/RF integrated circuits based on a moderate number of circuit simulations: An automatically sorted quasi-Monte Carlo method, a kernel-Based control variates method and an importance sampling method. The three methods rely on a mathematical model of the circuit performance metric which is constructed based on a truncated first-Order Taylor expansion. This modeling technique is selected as it requires a minimal number of SPICE-Like circuit simulations. Both theoretical and simulation results show that the proposed methods lead to significant speedup or improvement in accuracy compared to other existing methods

The spherical sampling of the incident radiance function entails a high computational cost. Therefore the llumination integral must be evaluated using a limited set of samples. Such a restriction raises the question of how to obtain the most accurate approximation possible with such a limited set of samples. In this thesis, we show that existing Monte Carlo-based approaches can be improved by fully exploiting the information available which is later used for careful samples placement and weighting.The first contribution of this thesis is a strategy for producing high quality Quasi-Monte Carlo (QMC) sampling patterns for spherical integration by resorting to spherical Fibonacci point sets. We show that these patterns, when applied to the rendering integral, are very simple to generate and consistently outperform existing approaches. Furthermore, we introduce theoretical aspects on QMC spherical integration that, to our knowledge, have never been used in the graphics community, such as spherical cap discrepancy and point set spherical energy. These metrics allow assessing the quality of a spherical points set for a QMC estimate of a spherical integral.In the next part of the thesis, we propose a new heoretical framework for computing the Bayesian Monte Carlo quadrature rule. Our contribution includes a novel method of quadrature computation based on spherical Gaussian functions that can be generalized to a broad class of BRDFs (any BRDF which can be approximated sum of one or more spherical Gaussian functions) and potentially to other rendering applications. We account for the BRDF sharpness by using a new computation method for the prior mean function. Lastly, we propose a fast hyperparameters evaluation method that avoids the learning step.Our last contribution is the application of BMC with an adaptive approach for evaluating the illumination integral. The idea is to compute a first BMC estimate (using a first sample set) and, if the quality criterion is not met, directly inject the result as prior knowledge on a new estimate (using another sample set). The new estimate refines the previous estimate using a new set of samples, and the process is repeated until a satisfying result is achieved.

Cette thèse s’inscrit dans le cadre de travaux portant sur la mise au point de modèles multi-échelle et multi-physiques pour la simulation des accidents de criticité, menés conjointement par le CNRS et l’IRSN. L’approche multi-physique et multi-échelle a comme objectif de produire un modèle numérique prenant en compte tous les phénomènes physiques importants dans les systèmes nucléaires ainsi que leur couplage. Cette approche permet d’améliorer les capacités prédictives des modèles et d’étudier de manière numérique le comportement des composants d’un système nucléaire dans des conditions difficilement réalisables/reproductibles par des expériences. Elle est donc particulièrement utile pour l’étude des accidents de criticité, ou plus généralement, pour tous les systèmes nucléaires où de très forts couplages existent entre la neutronique, la mécanique (des solides et des fluides) et la thermique.Les objectifs de la thèse étaient, d’une part, de développer un nouveau schéma numérique de couplage entre le code neutronique Serpent 2 (code du type Monte Carlo) et le code OpenFOAM (code de mécanique des fluides numérique ou CFD) et, d’autre part, de développer des modèles physiques permettant une plus grande flexibilité dans les études des accidents de criticité en termes de type de transitoires, de systèmes et de variété de phénomènes. Parmi les modèles développés dans notre outil multi-physique on peut citer des modèles neutroniques transitoires du type quasi-statique Monte Carlo et déterministes SP1 et SP3. Un modèle thermo-hydraulique du type milieu poreux a été aussi mis en place pour les études des systèmes comportant du combustible solide entouré par un caloporteur. L’implémentation numérique du couplage multi-physique a été faite en C/C++ sur la plateforme OpenFOAM qui permet la résolution numérique de modèles de mécanique des fluides (RANS, LES et DNS), et plus généralement, de la mécanique des milieux continus, en utilisant la méthode des volumes finis. Le travail de thèse a porté par ailleurs sur l’étude de la stratégie à suivre pour implémenter numériquement la méthode quasi-statique avec un code de type Monte Carlo dans la même plateforme et a travers d’un couplage interne.Les performances du couplage et des modèles que nous avons développés dans la thèse ont été testées dans différents scénarios et systèmes nucléaires : expériences transitoires avec l’expérience Godiva, benchmark international entre codes multi-physiques d’un réacteur à sels fondus et scénarios hypothétiques d’accidents de criticité dans des piscines de combustibles des Réacteurs à Eau Bouillante (REBs). Ces divers scénarios et systèmes ont été choisis pour leurs nombreux phénomènes physiques couplés nécessitant une modélisation très précise : effet Doppler, expansion thermique et contraintes thermomécaniques dans le combustible, présence des écoulements laminaires ou turbulents dans le caloporteur ou le combustible liquide, convection des précurseurs de neutrons retardés et phénomènes de transfert de masse, transfert d’énergie et de changement de phase dans des milieux poreux. La confrontation des prévisions de l’outil multi-physique et des résultats disponibles s’avère très satisfaisante et montre que l’approche adoptée est très pertinente et adaptée aux particularités des études de criticité avec un niveau de précision et une flexibilité adéquate tout en présentant des coûts computationnels raisonnables
This thesis was developed within in the framework of the multi-scale and multi-physics models for the simulation of criticality accidents, carried jointly between the CNRS and the IRSN. A multi-physics and multi-scale approach aims to produce a numerical model taking into account all the relevant physical phenomena existing in nuclear systems as well as their coupling. This approach makes possible to improve the predictive capacities of the single physics models and to numerically study the behavior of a nuclear system under conditions that would be difficult to achieve or reproduce by experiments. The multi-scale / multi-physics approach is, therefore, particularly useful for the study of nuclear reactor criticality accidents, or more generally, for all nuclear systems where a tight coupling exists between neutronics, mechanics (of solids and fluids) and heat transfers.The objectives of the thesis were, firstly, to develop a new numerical scheme for the coupling between the neutronic code Serpent 2 (Monte Carlo code) and the Computational Fluid Dynamics (CFD) code OpenFOAM. Secondly, to develop the physical models that allow greater flexibility for criticality accidents studies in terms of type of transients, systems and phenomena considered. Among the various physical models developed during the work, it can be mentioned the transient neutronic models based on a quasi-static Monte Carlo approach and on the deterministic SP1 and SP3 methods. A porous medium model was also developed during the work to allow performing studies on nuclear systems containing a solid nuclear fuel cooled by a fluid. The numerical implementation of the multi-physics coupling was performed in C/C++ in the OpenFOAM code. This code is very well suited to numerically solve continuous mechanics problems using a finite volume method. It also provides very large library of CFD algorithms (RANS, LES et DNS). The thesis work specially focused on the study of the strategy to be followed to implement the quasi-static method numerically with a Monte Carlo type code in the same platform through internal coupling.The performances of the coupling and the developed models were studied for different scenarios and nuclear systems: the transient Godiva experiments, an international benchmark for multi-physics codes for Molten Salts Reactors and the case of a hypothetical criticality accident in a Boiling Water Reactor (BWR) spent fuel pool. These diverse scenarios and systems were selected because they are characterized by presenting a multitude of highly coupled physical phenomena which required a very careful modeling. One can mention: the Doppler and fuel density effects, the thermal expansion and thermomechanical stresses, the presence of laminar or turbulent flows in the coolant or liquid fuel, the delayed neutrons precursors convection, and the energy and mass transfers and the phase change in porous media. The different comparisons between the multi-physics tool and the available data show a very good agreement and confirm that the selected approach is pertinent for the study of criticality accidents and allows obtaining very good precision and flexibility while maintaining satisfactory computational costs

Cette Thèse est composée de deux parties portant respectivement sur la discrétisation des équations différentielles stochastiques et sur le théorème de la limite centrale presque sûre pour les martingales. La première Partie est composée de trois chapitres: Le premier chapitre introduit le cadre de l'étude et présente les résultats obtenus. Le deuxième chapitre est consacré à l'étude d'une nouvelle méthode d'accélération de convergence, appelée méthode de Romberg statistique, pour le calcul d'espérances de fonctions ou de fonctionnelles d'une diffusion. Le troisième chapitre traite de l'application de cette méthode à l'approximation de densité par des méthodes de noyaux. La deuxième partie de la thèse est composée de deux chapitres: le premier chapitre présente la littérature récente concernant le théorème de la limite centrale presque sûre et ses extensions. Le deuxième chapitre, étend divers résultats de type TLCPS à des martingales quasi-continues à gauche
This thesis contains two parts related respectively to the discretization of stochastic differential equations and to the almost sure limit theorems for martingales. The first part is made up three chapters: the first chapter introduces the general framework of the study and presents the main results. The second chapter is devoted to study a new method of acceleration of convergence, called statistical Romberg method, for the evaluation of expectations of functions or functionnal of a given diffusion. In the third chapter, we use this method in order to approximate density diffusions using kernel density functions. The second part of the thesis is made up of two chapters: the first chapter presents the recents results concerning the almost sure central limit theorem and its extensions. The second chapter, extends various results of type ASCLT for quasi-left continuous martingales

Cette Thèse est composée de deux parties portant respectivement sur la discrétisation des équations différentielles stochastiques et sur le théorème de la limite centrale presque sûre pour les martingales.

La première Partie est composée de trois chapitres: Le premier chapitre introduit le cadre de l'étude et présente les résultats obtenus. Le deuxième chapitre est consacré à l'étude d'une nouvelle méthode d'accélération de convergence, appelée méthode de Romberg statistique, pour le calcul d'espérances de fonctions ou de fonctionnelles d'une diffusion.
Ce chapitre est la version augmentée d'un article à paraître dans la revue Annals of Applied Probability.

Le troisième chapitre traite de l'application de cette méthode à l'approximation de densité par des méthodes de noyaux.
Ce chapitre est basé sur un travail en collaboration avec Arturo Kohatsu-Higa.

La deuxième partie de la thèse est composée de deux chapitres: le premier chapitre présente la littérature récente concernant le théorème de la limite centrale presque sûre et ses extensions. Le deuxième chapitre, basé sur un travail en collaboration avec Faouzi Chaâbane, étend divers résultats de type TLCPS à des martingales quasi-continues à gauche.

Ce chapitre aborde l’estimation de probabilités faibles utiles pour l’analyse de la fiabilité de systèmes à fortes exigences de sûreté. La présentation inclut les méthodes FORM et SORM connues en fiabilité structurale, mais également les méthodes basées sur un échantillonnage naïf (Monte-Carlo) ou préférentiel (tirage d’importance, subset simulation). La sensibilité de la probabilité de défaillance calculée est également introduite.

La simulation rapide de Monte Carlo est appliquée pour résoudre deux problèmes combinatoires à grande dimension. Le premier concerne l’estimation du nombre de sous-espaces k-dimensionnels d’un poids arbitraire d’un espace vectoriel n-dimensionnel sur un corps de Galois contenant q éléments. Les limites supérieures et inférieures sont construites grâce à une analytico-statistique. Le second problème concerne l’évaluation des « bonnes » permutations. La méthode de simulation rapide est proposée.