Couvre les méthodes numériques pour résoudre les problèmes de valeur limite, y compris les applications avec la transformée de Fourier rapide (FFT) et les données de débruitage.
Explore explicitement les méthodes de Runge-Kutta stabilisées et leur application aux problèmes inverses bayésiens, couvrant l'optimisation, l'échantillonnage et les expériences numériques.
Explore le transport optimal et les flux de gradient dans Rd, en mettant l'accent sur la convergence et le rôle des théorèmes de Lipschitz et Picard-Lindelf.