Scientific Committee
Comité scientifique
Emmanuel Candes (Stanford University)
Julie Delon (Université Paris Cité)
Pierre-Louis Lions (Collège de France)
Philippe Rigollet (MIT)
Eric Vanden-Eijnden (New York University)
Organizing Commitee
Comité d’organisation
Mathieu Laurière (NYU Shanghai)
Zhenjie Ren (Université Evry Paris-Saclay)
Renyuan Xu (Stanford University)
IMPORTANT WARNING: Scam / Phishing / SMiShing ! Note that ill-intentioned people may be trying to contact some of participants by email or phone to get money and personal details, by pretending to be part of the staff of our conference center (CIRM). CIRM and the organizers will NEVER contact you by phone on this issue and will NEVER ask you to pay for accommodation/ board / possible registration fee in advance. Any due payment will be taken onsite at CIRM during your stay.
This event brings together leading researchers in stochastic analysis, optimal transport, and machine learning to advance theory and algorithms for modern generative modeling, flow matching, gradient-flow methods, and reinforcement learning. The program blends tutorials, invited/keynote talks, contributed sessions, and open-problem forums, with strong emphasis on participation by early-career researchers.
The conference uniquely bridges rigorous probabilistic methods (SDEs, mean-field limits, propagation of chaos) with optimal-transport geometry (Wasserstein/Fisher–Rao) and state-of-the-art ML systems (diffusion models, rectified flows, policy-gradient RL). Framed through a common variational and control-theoretic lens, it aims to sharpen guarantees, improve algorithms, and clarify when theory predicts practice.
The event will strengthen ties across French laboratories and the Marseille ecosystem through hands-on tutorials and networking, showcasing France’s leadership in OT and stochastic analysis. Internationally, it will help set a research agenda on reliability, efficiency, and robustness of generative and control methods, foster long-term collaborations, and support diversity and training via mentoring and opportunities for PhD students and postdocs.
L’événement réunit des spécialistes de l’analyse stochastique, du transport optimal et de l’apprentissage automatique pour faire progresser la théorie et les algorithmes liés à la modélisation générative, au flow matching, aux méthodes de flot de gradient et à l’apprentissage par renforcement. Le programme associe tutoriels, conférences invitées, communications et discussions d’« open problems », avec une attention particulière à l’implication des jeunes chercheurs et chercheuses.
La conférence propose un rapprochement inédit entre méthodes probabilistes rigoureuses (EDS, limites de champ moyen, propagation du chaos), géométrie du transport optimal (Wasserstein/Fisher–Rao) et systèmes d’IA de pointe (modèles de diffusion, rectified flows, RL par gradient de politique). En adoptant une même perspective variationnelle et de contrôle, l’événement vise à affiner les garanties théoriques, améliorer les algorithmes et expliquer quand la théorie rejoint la pratique.
L’événement renforcera les liens entre laboratoires français et l’écosystème marseillais via des tutoriels et des temps de réseautage, en valorisant l’excellence française en OT et en analyse stochastique. À l’international, il contribuera à définir une feuille de route sur la fiabilité, l’efficacité et la robustesse des méthodes génératives et de contrôle, favorisera des collaborations durables et soutiendra la diversité ainsi que la formation des doctorants et post-doctorants.
SPEAKERS
To be announced
SPONSORS
