Description

Ce projet de doctorat porte sur l'étude des interactions stratégiques entre des acteurs utilisant des ressources quantiques et devant prendre des décisions en situation d'incertitude. L'objectif est de définir et d'analyser une nouvelle classe de systèmes, les jeux quantiques à contraintes probabilistes, dont les résultats sont influencés par le comportement quantique, les contraintes probabilistes et logiques, ainsi que par des environnements de décision bruités. Un élément central de ce travail consistera à étudier l'émergence des équilibres dans ces jeux, leur représentation à l'aide de structures de problèmes complémentaires et variationnels, et leur calcul algorithmique. Ce sujet relie des concepts issus de la théorie des jeux quantiques, de la prise de décision stochastique, de l'inférence probabiliste en logique quantique et des méthodes modernes d'analyse d'équilibre.

Compétences requises

Le candidat doit avoir les compétences suivantes: 1. Master en informatique avec de solides connaissances de base en mathématiques et en théorie des probabilités ou un master en mathématiques appliquées avec des connaissances en optimisation convexe. Des connaissances en logique mathématique et en calcul quantique seront un plus. 2. Connaissance en programmation Phyton.

Bibliographie

1• Facchinei, Pang, Variational Inequalities and Complementarity Problems, Springer, 2003.
2• Fudenberg, Tirole, Game Theory, MIT Press, 1991.
3• Eisert, Wilkens, Lewenstein, Quantum strategies in interactive decision systems, Physical
Review Letters 83 (15), July 1998.
4• Boyd, S., Boyd, S.P. and Vandenberghe, L. Convex Optimization. Cambridge University
Press, 2004.
5• Samson Lasaulce, Hamidou Tembine, Game Theory and Learning for Wireless Networks:
Fundamentals and Applications, Academic Press Elsevier Science, 2018.
6• Verma, A., Singh, V.V. Lisser, A. Single-Controller Chance-Constrained Stochastic Games.
J Optim Theory Appl 207, 15, 2025.
7• Shen Peng, Navnit Yadav, Abdel Lisser, Vikas Vikram Singh: Chance-constrained games
with mixture distributions. Math. Methods Oper. Res. 94(1): 71-97, 2021.
8• Hoang Nam Nguyen, Abdel Lisser, Vikas Vikram Singh: Random Games Under Elliptically
Distributed Dependent Joint Chance Constraints. J. Optim. Theory Appl. 195(1): 249-264,
2022.
9• Toffano, Z.; Dubois, F. Adapting Logic to Physics: The Quantum-Like Eigenlogic Program.
Entropy, 22, 139, 2020.
10• Fran¸cois Dubois Zeno Toffano, Eigenlogic and probabilistic inference; when Bayes meets
Born, Philos Trans A Math Phys Eng Sci (2025) 383 (2310): 20240392.

Mots clés

Probabilités quantiques, Théorie des jeux, Logique Quantique, Algorithmes quantiques