Raising Time Awareness in Model-Driven Engineering

in 2017 ACM/IEEE 20th International Conference on Model Driven Engineering Languages and Systems (2017, September)

The conviction that big data analytics is a key for the success of modern businesses is growing deeper, and the mobilisation of companies into adopting it becomes increasingly important. Big data ... [more ▼]

The conviction that big data analytics is a key for the success of modern businesses is growing deeper, and the mobilisation of companies into adopting it becomes increasingly important. Big data integration projects enable companies to capture their relevant data, to efficiently store it, turn it into domain knowledge, and finally monetize it. In this context, historical data, also called temporal data, is becoming increasingly available and delivers means to analyse the history of applications, discover temporal patterns, and predict future trends. Despite the fact that most data that today’s applications are dealing with is inherently temporal current approaches, methodologies, and environments for developing these applications don’t provide sufficient support for handling time. We envision that Model-Driven Engineering (MDE) would be an appropriate ecosystem for a seamless and orthogonal integration of time into domain modelling and processing. In this paper, we investigate the state-of-the-art in MDE techniques and tools in order to identify the missing bricks for raising time-awareness in MDE and outline research directions in this emerging domain. [less ▲]

Raisonnement scientifique et inférence bayésienne

Bachelor/master dissertation (2013)

Après deux siècles de quasi-oubli, les méthodes dites bayésiennes ont connu un essor extraordinaire au cours des trente dernières années. Ce sont de telles applications de la théorie des probabilités qui ... [more ▼]

Après deux siècles de quasi-oubli, les méthodes dites bayésiennes ont connu un essor extraordinaire au cours des trente dernières années. Ce sont de telles applications de la théorie des probabilités qui faisaient dire de celle-ci au principal pionnier de ces méthodes, Laplace, qu'elle «n'est que le bon sens réduit au calcul». Des formalisations plus récentes (Cox, 1946) font que l'on sait aujourd'hui que raisonner de manière rationnelle est équivalent à utiliser un raisonnement bayésien [Jaynes 2003]. Savoir raisonner de manière rationnelle étant nécessaire pour tout scientifique, il nous a semblé intéressant de faire le lien entre ces méthodes bayésiennes et ce que l'on appelle généralement la méthode scientifique. Les méthodes bayésiennes sont des méthodes qui dérivent de l'application de l'interprétation bayésienne de la théorie des probabilités. Selon cette interprétation, une probabilité n'est pas une propriété intrinsèque d'un système (comme une fréquence), mais une mesure (qui peut être subjective) de l'incertitude que l'on a sur l'état de celui-ci. Le coeur de ces méthodes est alors le théorème de Bayes (entre 1745 et 1750), qui permet de réviser cette mesure à l'aune de nouvelles données: p(H|D,I) = p(D|H,I) * p(H|I)/p(D|I). La notation utilisée ici reflète l'usage qui nous intéresse: H représente une hypothèse, D des données, et, un raisonnement ne se faisant pas «dans le vide», I représente un contexte informationnel qui n'intervient pas dans les calculs mais que nous avons choisi de représenter explicitement, suivant ainsi [Sivia 2006]. Le terme p(H|I) représente alors la probabilité qui avait été attribuée a priori à l'hypothèse, p(D|I) représente les faits nouveaux que l'on désire prendre en compte, et p(D|H,I) la vraisemblance de ces faits en supposant l'hypothèse vraie. On extrait de cela la probabilité révisée, a posteriori de l'hypothèse, p(H|D,I). Dans cette étude, nous expliquons que l'application de ce théorème est non seulement compatible avec la méthode scientifique traditionnelle venant de la tradition d'Aristote, Bacon et Descartes et ses trois étapes --observer, former des hypothèses, tester ces hypothèses-- mais qu'en plus, elle permet d'étendre la logique «cartésienne» pour prendre en compte le problème de l'inférence. En effet, la logique cartésienne permet de déduire les conséquences à partir de causes connues, mais il n'est pas possible de déterminer formellement les causes à partir de l'observation des faits. L'utilisation du théorème de Bayes, autrefois appelé loi des probabilités inverses, permet de résoudre ce problème, en déterminant la plausibilité de diverses hypothèses à partir des faits. En outre, le remplacement d'une logique binaire avec deux valeurs «vrai/faux» par un continuum de probabilité permet «d'adoucir» l'effet d'observations contraires à une théorie par ailleurs largement validée, alors qu'une application brutale et naïve de la logique classique voudrait qu'elle soit considérée immédiatement comme réfutée. Inversement, l'application du théorème de Bayes avec des données prédites par une théorie confirme l'idée intuitive que cette théorie est rendue plus plausible (sans devenir pour autant certaine). Ce sont des avantages par rapport au réfutationnisme poppérien. Cette extension de la logique facilite également la prise en compte de données dont l'interprétation est incertaine. Les méthodes bayésiennes fournissent aussi un critère pour résoudre le problème qui peut se poser avec le principe du rasoir d'Occam. En effet, celui-ci veut qu'entre deux théories à pouvoir explicatif identique, on choisisse celle qui est la plus simple. Mais que faire dans le cas où s'affrontent deux théories, dont l'une est plus complexe mais aussi plus précise que l'autre~? Le théorème de Bayes permet de comparer les probabilités respectives de ces théories en prenant non seulement en compte leur adéquation aux données dont on dispose, mais également le nombre de paramètres (donc la complexité) prévu par ces théories. Faute d'avoir le temps de présenter cela à l'aide d'un exemple comme nous l'avions initialement espéré, nous renvoyons le lecteur vers le chapitre 4 de [Sivia-2006]. Incidemment, le formalisme bayésien de l'induction de Solomonoff permet même une démonstration du rasoir d'Occam. De manière plus générale, étant donné qu'il n'est guère possible de rendre compte de l'incroyable richesse des applications des méthodes bayésiennes, nous dirigeons le lecteur soucieux d'en apprendre plus vers notre bibliographie annotée. [less ▲]

La “Raison” de l’éducation, le “social” et l’étude de la scolarisation

in Dossier: La raison educative comme question sociale (2013)

The Ramakrishna-Taylor method and modular lifts of mod p^n Galois representations

Presentation (2013, June 21)

Raman imaging of doping domains in graphene on SiO(2)

in Applied Physics Letters (2007), 91(24),

We present spatially resolved Raman images of the G and 2D lines of single-layer graphene flakes. The spatial fluctuations of G and 2D lines are correlated and are thus shown to be affiliated with local ... [more ▼]

We present spatially resolved Raman images of the G and 2D lines of single-layer graphene flakes. The spatial fluctuations of G and 2D lines are correlated and are thus shown to be affiliated with local doping domains. We investigate the position of the 2D line-the most significant Raman peak to identify single-layer graphene-as a function of charging up to vertical bar n vertical bar approximate to 4x10(12) cm(-2). Contrary to the G line which exhibits a strong and symmetric stiffening with respect to electron and hole doping, the 2D line shows a weak and slightly asymmetric stiffening for low doping. Additionally, the linewidth of the 2D line is, in contrast to the G line, doping independent making this quantity a reliable measure for identifying single-layer graphene. (C) 2007 American Institute of Physics. [less ▲]

Raman imaging of twist angle variations in twisted bilayer graphene at intermediate angles

in 2D Mater. (2022), 9(4), 045009

Van der Waals layered materials with well-defined twist angles between the crystal lattices of individual layers have attracted increasing attention due to the emergence of unexpected material properties ... [more ▼]

Van der Waals layered materials with well-defined twist angles between the crystal lattices of individual layers have attracted increasing attention due to the emergence of unexpected material properties. As many properties critically depend on the exact twist angle and its spatial homogeneity, there is a need for a fast and non-invasive characterization technique of the local twist angle, to be applied preferably right after stacking. We demonstrate that confocal Raman spectroscopy can be utilized to spatially map the twist angle in stacked bilayer graphene for angles between 6.5 and 8 degree when using a green excitation laser. The twist angles can directly be extracted from the moiré superlattice-activated Raman scattering process of the transverse acoustic (TA) phonon mode. Furthermore, we show that the width of the TA Raman peak contains valuable information on spatial twist angle variations on length scales below the laser spot size of ∼500 nm. [less ▲]

Raman signatures of ferroic domain walls captured by principal component analysis

in Journal of Physics: Condensed Matter (2018), 30(3),

Ferroic domain walls are currently investigated by several state-of-the art techniques in order to get a better understanding of their distinct functional properties. Here, principal component analysis ... [more ▼]

Ferroic domain walls are currently investigated by several state-of-the art techniques in order to get a better understanding of their distinct functional properties. Here, principal component analysis (PCA) of Raman maps is used to study ferroelectric domain walls (DWs) in LiNbO3 and ferroelastic DWs in NdGaO3. It is shown that PCA allows us to quickly and reliably identify small Raman peak variations at ferroelectric DWs and that the value of a peak shift can be deduced-accurately and without a priori-from a first order Taylor expansion of the spectra. The ability of PCA to separate the contribution of ferroelastic domains and DWs to Raman spectra is emphasized. More generally, our results provide a novel route for the statistical analysis of any property mapped across a DW. [less ▲]

Raman spectroscopy as probe of nanometre-scale strain variations in graphene

in Nature Communications (2015), 6

Raman Spectroscopy of Graphene

in Binder, Rolf (Ed.) Optical Properties of Graphene (2017)

Raman spectroscopy of graphene is reviewed from a theoretical perspective. After an introduction of the building blocks (electronic band structure, phonon dispersion, electron-phonon interaction, electron ... [more ▼]

Raman spectroscopy of graphene is reviewed from a theoretical perspective. After an introduction of the building blocks (electronic band structure, phonon dispersion, electron-phonon interaction, electron-light coupling), Raman intensities are calculated using time-dependent perturbation theory. The analysis of the contributing terms allows for an intuitive understanding of the Raman peak positions and intensities. The Raman spectrum of pure graphene only displays two principle peaks. Yet, their variation as a function of internal and external parameters and the occur- rence of secondary, defect-related peaks, conveys a lot of information about the system. Thus, Raman spectroscopy is used routinely to analyze layer number, defects, doping and strain of graphene samples. At the same time, it is an intriguing playground to study the optical properties of graphene. [less ▲]

Raman spectroscopy of rare-earth orthoferrites RFeO3 (R=La, Sm, Eu, Gd Tb, Dy)

in Physical Review. B (2016), 94(21),

We report a Raman scattering study of six rare-earth orthoferrites La, Sm, Eu, Gd, Tb, Dy. The use of extensive polarized Raman scattering of SmFeO3 and first-principles calculations enable the assignment ... [more ▼]

We report a Raman scattering study of six rare-earth orthoferrites La, Sm, Eu, Gd, Tb, Dy. The use of extensive polarized Raman scattering of SmFeO3 and first-principles calculations enable the assignment of the observed phonon modes to vibrational symmetries and atomic displacements. The assignment of the spectra and their comparison throughout the whole series allow correlating the phonon modes with the orthorhombic structural distortions of RFeO3 perovskites. In particular the positions of two specific A(g) modes scale linearly with the two FeO6 octahedra tilt angles, allowing the distortion to be tracked throughout the series. At variance with literature, we find that the two octahedra tilt angles scale differently with the vibration frequencies of their respective A(g) modes. This behavior, as well as the general relations between the tilt angles, the frequencies of the associated modes, and the ionic radii are rationalized in a simple Landau model. The reported Raman spectra and associated phonon-mode assignment provide reference data for structural investigations of the whole series of orthoferrites. [less ▲]