Par François Pachet et Jean-Daniel Zucker.
Frontiers in Artificial Intelligence, volume 9, article 1840945, 23 October 2026. DOI: 10.3389/frai.2026.1840945.
Lire l’article publié (PDF)
Article de revue en accès libre
Prépublication arXiv antérieure · Prépublication (PDF)
À propos de l’article
Comment générer une population d’individus synthétiques à partir de statistiques sur des groupes ? François Pachet et Jean-Daniel Zucker étudient des populations décrites par des attributs catégoriels, avec des fréquences cibles pour les attributs et leurs combinaisons. Respecter de nombreuses combinaisons qui se recoupent devient difficile lorsque le nombre d’attributs augmente.
Résumé de l’article
L’article propose un modèle d’entropie maximale qui reproduit les fréquences spécifiées en espérance. Sa formulation théorique est un problème d’optimisation convexe sur une distribution de la famille exponentielle. L’implémentation utilise un ajustement des moments par MCMC à budget fixé pour approcher cette solution ; les résultats évaluent cette procédure à budget fini.
Évaluation
Les expériences portent sur des jeux issus de NPORS, comportant de 4 à 40 attributs, et sur une famille de jeux générés indépendamment. Les comparaisons au calage généralisé montrent des gains pour les grands problèmes avec interactions d’ordre élevé, tandis que le calage reste compétitif pour les petits problèmes.
Projet
Projet Populations synthétiques — contexte scientifique, article, PDF et lien vers ImagineAllThePeople.