Attention : désormais les séminaires ont lieu tous les lundis à 10h45 en salle  523 du LPTMC - Tour 12-13 


Sophie Marbach (LPS-ENS)

Out-of-equilibrium Transport of Particles within Fluctuating Nanotubes

In Nature exceptional permeability and selectivity properties are reached, for example ion channels are able to distinguish with high throughput very similar ions like Sodium and Potassium. The paradigm change as compared to nanoscale technology is that these biological filters are out-of-equilibrium, submitted to either thermal or active fluctuations – for example of the pore constriction. Here we investigate how out-of-equilibrium fluctuations of a pore may affect the translocation dynamics, in particular dispersion coefficients. Our findings demonstrate a complex interplay between transport and surface wiggling and elucidate the impact of pore agitation in a broad range of artificial and biological porins, but also, at larger scales, in vascular motion in fungi, intestinal contractions and microfluidic surface waves. These results open up the possibility that transport across membranes can be actively tuned by external stimuli, with potential applications to nanoscale pumping, osmosis and dynamical ultrafiltration.

Vardan Kaladzhyan (KTH Royal Institute of Technology, Stockholm)

Topology from Triviality

We show that bringing into proximity two topologically trivial systems can give rise to a topological phase. More specifically, we study a 1D metallic nanowire proximitised by a 2D superconducting substrate with a mixed s-wave and p-wave pairing, and we demonstrate both analytically and numerically that the phase diagram of such a setup can be richer than reported before. Thus, apart from the two "expected" well-known phases (i.e. where the substrate and the wire are both simultaneously trivial or topological), we show that there exist two peculiar phases in which the nanowire can be in a topological regime while the substrate is trivial, and vice versa.

Marylou Gabrié (LPS-ENS Paris)

Entropy and mutual information in models of deep neural networks

The successes and the multitude of applications of deep learning methods have spurred efforts towards quantitative modeling of the performance of deep neural networks. In particular, an information-theoretic approach has been receiving increasing interest. Nevertheless, it is in practice computationally intractable to compute entropies and mutual informations in industry-sized neural networks. In this talk, we will consider instead a class of models of deep neural networks, for which an expression for these information-theoretic quantities can be derived from the replica method. We will examine how mutual informations between hidden and input variables can be reported along the training of such neural networks on synthetic datasets. Finally we will discuss the numerical results of a few training experiments.

ATTENTION SALLE INHABITUELLE: bibliothèque du LPTHE (4ème étage tour 13, couloir 13-14):

Yshai Avishai (Ben Gurion University, Beer Sheva, Israel)

Phase Aharonov-Casher dans les systèmes mésoscopiques

La phase Aharonov-Casher joue un rôle important dans les systèmes mésoscopiques dans lesquels le couplage spin-orbite est pertinent. Dans cette présentation, nous examinons la dépendance des observables physiques pertinentes sur la phase Aharonov-Casher (telles que la conductance g et la polarisation électronique P). Premièrement, nous suggérons une expression de la phase qui est manifestement invariante de jauge. Ensuite, nous considérons un problème de diffusion dans lequel la phase dépend d’au moins deux paramètres x et y. Notre résultat principal est que la conductance g dépend des deux paramètres uniquement à travers la phase Aharonov-Casher, alors que la polarisation P dépend de chaque paramètre séparément.

ATTENTION SALLE INHABITUELLE: salle 3-17, couloir 23-22, 3ème étage (grande salle INSP)

Deux docteurs dans le monde de l'entreprise

Boris Mantisi (Quatorze-IG, Paris) et Simon Moulieras (MyndBlue, Polytechnique)

La formation universitaire reste méconnue de la majorité des acteurs du secteur privé et les liens entre ces deux mondes sont encore trop peu développés. Pourtant, la formation universitaire, et notamment au travers de la réalisation d'une thèse, offre de nombreux atouts que le docteur doit absolument apprendre à valoriser afin de s'ouvrir les portes du privé. Deux docteurs en physique, anciens post-docs du LPTMC, interviennent pour partager leur saut vers l'entreprise. Simon Moulieras, data scientist chez MyndBlue, à Polytechnique et Boris Mantisi, data scientist chez Quatorze IG, bureau d'études d'ingénierie basé dans le 13 ème arrondissement de Paris. Chacun parlera 20 minutes et il y aura ensuite du temps de discussion.