Laura Michel

Laura Michel

Auto-generated profile, based on publicly available information

Laura Michel

Laboratoire de Physique de l'Ecole Normale Supérieure

Research Focus & Metrics

Academic Career Length

4Years (2023-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 February 2023 in Communications Physics
Verified
Journal Article
Open access
PDF file
TJThéo Jules
Théo Jules
LMLaura Michel
Laura Michel
ADAdèle Douin
Adèle Douin
FLFrédéric Lechenault
Frédéric Lechenault
Bits manipulation in traditional memory writing is commonly done through quasi-static operations. While simple to model, this method is known to reduce memory capacity. We demonstrate how a reinforcement learning agent can exploit the dynamical response of a simple multi-bit mechanical system to restore its memory. To do so, we introduce a model framework consisting of a chain of bi-stable springs manipulated on one end by the external action of the agent. We show that the agent learns how to reach all available states for three springs, even though some states are not reachable through adiabatic manipulation, and that training is significantly improved using transfer learning techniques. Interestingly, the agent also points to an optimal system design by taking advantage of the underlying physics. Indeed, the control time exhibits a non-monotonic dependence on the internal dissipation, reaching a minimum at a cross-over shown to verify a mechanically motivated scaling relation.

6 August 2025 in Extreme Mechanics Letters
Verified
Journal Article
Closed access
LMLaura Michel
Laura Michel
FLFrédéric Lechenault
Frédéric Lechenault

16 June 2025 in Physical Review E
Verified
Journal Article
Closed access
LMLaura Michel
Laura Michel
MRMarco Rogier
Marco Rogier
FLFrédéric Lechenault
Frédéric Lechenault
Ising machines are considered as promising hardware solvers. The idea is to map the solution of a problem to the ground state of an Ising spin glass and find this minimum by performing annealing in an Ising machine that emulates spin physics. However, previous approaches to deterministic sequential algorithmics have been plagued by the hiearchy problem: couplings become exponentially small along the causal direction. Here, we present a method to map sequential algorithms to an Ising problem with only a linear decay of the couplings and illustrate this with n-bit binary number adders. The resulting computing system is thus scalable, opening a way for efficient Ising machines for sequential algorithms.

8 October 2026
Verified
Thesis
Closed access
LMLaura Michel
Laura Michel
Model mechanical metamaterials for memory storage and computation: Bien que les ordinateurs modernes aient prouvé leur efficacité, ils rencontrent encore des difficultés à résoudre certains problèmes complexes. Pour y remédier, de nouvelles plateformes de calcul non conventionnelles voient le jour, bouleversant les paradigmes informatiques traditionnels. Ces approches utilisent des supports alternatifs, tels que les systèmes dynamiques, pour réaliser des calculs. Par ailleurs, divers milieux désordonnés, comme la matière amorphe ou les métamatériaux mécaniques, peuvent être décrits comme des ensembles d’éléments bi-stables, capables de représenter des données binaires. Des opérations d’écriture et des algorithmes simples ont déjà été mis en oeuvre au sein de tels systèmes, ouvrant ainsi la voie à leur utilisation pour le stockage et le traitement d’information. S’appuyant sur ces travaux, cette thèse explore l’utilisation de modèles de matériaux pour le traitement et le stockage de données binaires. Nous nous intéressons en particulier à des modèles composés de systèmes masse-ressort bi-stables, organisés en chaînes ou en réseaux. Ces systèmes peuvent être considérés comme des ensembles d’unités de mémoire non-volatile, ce qui les rend adaptés à l’écriture, au stockage, et au traitement d’information. Nous commençons par démontrer la possibilité d’écrire des messages binaires dans des chaînes multi-stables, via un agent d’apprentissage par renforcement capable de naviguer au sein de leur paysage énergétique complexe pour y inscrire de l’information. Lorsque ces paysages ne sont pas connus, ce qui est souvent le cas en situation réelle, des techniques d’apprentissage automatique permettent de les révéler, rendant ainsi possibles les opérations d’écriture et de lecture. Enfin, nous montrons que des algorithmes séquentiels simples peuvent être implémentés dans des réseaux de ressorts bi-stables et des modèles d’Ising, en exploitant leur relaxation naturelle pour exécuter ces algorithms. Ces résultats suggèrent que les systèmes multi-stables étudiés peuvent être utilisés pour écrire, stocker et lire des données binaires, ainsi que pour exécuter des algorithmes, mettant en lumière leur potentiel en tant que plateformes de calcul efficaces.

25 November 2024 in HAL
Verified
Preprint
Open access
PDF file
LMLaura Michel
Laura Michel
MRMarco Rogier
Marco Rogier
FLFrédéric Lechenault
Frédéric Lechenault
Ising machines are considered as promising hardware solvers. The idea is to map the solution of a problem to the ground state of an Ising spin glass and find this minimum by performing annealing in an Ising machine that emulates its spin physics. However, there is no general way to formulate arbitrary algorithms within this framework. Here, we present a method to systematically map sequential algorithms to an Ising problem, and illustrate this with n-bit binary number adders. We show that the resulting Ising systems can be scalable, opening a way for efficient Ising machines for sequential algorithms.