Sciences naturelles et génie
Laurence Perreault-Levasseur
- Professeure adjointe
-
Faculté des arts et des sciences - Département de physique
Roger-Gaudry, local B-422
Autre courriel :
llevasseur@astro.umontreal.ca
(Travail)
Portrait
Biographie
Laurence Perreault-Levasseur est professeure adjointe à l'Université de Montréal et membre associée de Mila, où elle mène des recherches sur le développement et l'application de méthodes d'apprentissage automatique à la cosmologie. Elle est également chercheuse invitée à l'Institut Flatiron à New York et au Perimeter Institute à Waterloo. Avant cela, elle a été boursière Flatiron pour ses études postdoctorales au Center for Computational Astrophysics de l'Institut Flatiron et boursière postdoctorale KIPAC à l'Université Stanford. Laurence a obtenu son doctorat à l'Université de Cambridge en 2015, où elle a mené des travaux portant sur des applications de la théorie effective des champs ouverte au formalisme de l'inflation. Elle a obtenu son baccalauréat et sa maîtrise à l'Université McGill.
Prix et distinctions
Chaire de Recherche du Canada en Cosmologie Numérique et Intelligence Artificielle
Pour en savoir plus…
Affiliations et responsabilités
Affiliations de recherche
Enseignement et encadrement
Enseignement
Cours siglés (session en cours uniquement)
Programmes
Encadrement
Thèses et mémoires dirigés (dépôt institutionnel Papyrus)
2023
Reconstruction libre de lentilles gravitationnelles de type galaxie-galaxie avec les machines à inférence récurentielle
Diplômé(e) : Adam, Alexandre
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2023
Estimateur neuronal de ratio pour l'inférence de la constante de Hubble à partir de lentilles gravitationnelles fortes
Diplômé(e) : Campeau-Poirier, Ève
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2023
Caractérisation des amas de galaxies avec des méthodes d'apprentissage automatique
Diplômé(e) : Sadikov, Maria
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2023
Fast high-dimensional posterior inference with deep generative models : application to CMB delensing
Diplômé(e) : Sotoudeh, Mohammad-Hadi
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Projets
Projets de recherche
2023
- 2029
Entering a new, data-driven era for precision cosmology with machine learningbased analysis methods. / Une nouvelle ère des données pour la cosmologie de précision avec l'intelligence artificielle.
Chercheur principal :
Laurence Perreault-Levasseur
Sources de financement :
Université de Montréal
Programmes de subvention :
PVXXXXXX-FEI sans restriction
2024
- 2027
Un cadre Bayesien général pour les problèmes inverses non-linaires en haute dimension: application à la cartographie de la matière noire dans l'Univers avec l'effet de lentille gravitationnelle
Chercheur principal :
Laurence Perreault-Levasseur
Co-chercheurs :
Yashar Hezaveh
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-(FQ) Programme Samuel-De Champlain (volet Recherche)
2022
- 2027
Canada Research Chair in Computational Cosmology and Artificial Intelligence
Chercheur principal :
Laurence Perreault-Levasseur
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVX50399-Chaires de recherche du Canada
2023
- 2026
Peser les étoiles avec l'intelligence artificielle: une modélisation des populations stellaires pour une nouvelle génération de relevés du ciel
Chercheur principal :
Yashar Hezaveh
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-Programme NOVA pour chercheur(e)s de la relève (partenariat avec CRSNG)
2020
- 2026
A New, Data-Driven Era for Precision Cosmology: Measuring the Expansion Rate of the Universe with Machine Learning.
Chercheur principal :
Laurence Perreault-Levasseur
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVXXXXXX-(DGECR) Tremplin vers la découverte
2020
- 2026
A New, Data-Driven Era for Precision Cosmology: Measuring the Expansion Rate of the Universe with Machine Learning.
Chercheur principal :
Laurence Perreault-Levasseur
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVX20965-(RGP) Programme de subvention à la découverte individuelle ou de groupe
2022
- 2025
Entering a new, data-driven era for precision cosmology with machine learningbased analysis methods. / Une nouvelle ère des données pour la cosmologie de précision avec l'intelligence artificielle.
Chercheur principal :
Laurence Perreault-Levasseur
Sources de financement :
FCI/Fondation canadienne pour l'innovation
Programmes de subvention :
PVXXXXXX-Fonds des leaders
2021
- 2025
Learning the Universe
Chercheur principal :
Laurence Perreault-Levasseur
Sources de financement :
Simons Foundation
Programmes de subvention :
2022
- 2024
Reconstructing the Initial Conditions of the Universe Using Deep Learning
Chercheur principal :
Laurence Perreault-Levasseur
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse
2021
- 2024
Découvrir les mystères de la lentille gravitationnelle forte du Horseshoe grâce à l'intelligence artificielle et aux réseaux de neurones profonds
Chercheur principal :
Laurence Perreault-Levasseur
Sources de financement :
FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention :
PVXXXXXX-(NC) Établissement de la relève professorale
2021
- 2023
Modélisation de lentilles gravitationnelles à l'aide d'une machine à inférences récurrentes (RIM))
Chercheur principal :
Laurence Perreault-Levasseur
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse
2020
- 2023
Next-Generation Astrophysical Simulations Using Machine Learning: Simulating Turbulence via Machine Learning (subvention FNFR-CRSH volet exploration)
Chercheur principal :
Adrian C. Liu
Co-chercheurs :
Laurence Perreault-Levasseur
Sources de financement :
CRSH/Conseil de recherches en sciences humaines du Canada
Programmes de subvention :
PVXXXXXX-Fonds Nouvelles frontières en recherche - Exploration
2020
- 2023
Next-Generation Astrophysical Simulations Using Machine Learning: Simulating Turbulence via Machine Learning (subvention FNFR-CRSH volet exploration)
Sources de financement :
CRSH/Conseil de recherches en sciences humaines du Canada
Programmes de subvention :
PVXXXXXX-Fonds Nouvelles frontières en recherche - Exploration
2020
- 2023
Mesurer l’expansion de l’Univers avec l’apprentissage automatique
Chercheur principal :
Laurence Perreault-Levasseur
Sources de financement :
SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements
Programmes de subvention :
PVXXXXXX-Fonds d'excellence en recherche Apogée Canada/Bourse
Rayonnement
Publications et communications
Disciplines
- Astronomie et astrophysique
- Physique
- Statistiques
- Informatique
Champ d’expertise
- Astrophysique, aspects fondamentaux
- Astronomie fondamentale
- Apprentissage machine et apprentissage profond
- Matière sombre
- Techniques d'observation et de réduction de données
Aide en ligne pour votre profil | Nous joindre
Le Répertoire des professeurs est propulsé par les données du 
SADVR et est un projet du CENR.
Personnes-ressource dans nos équipes
Formulaires, procédures et systèmes
Occasions de financement avec PIVOT
