Mila > Équipe > Laurence Perreault Levasseur

Laurence Perreault Levasseur

Membre académique associé
Membre académique associé
Professeure adjointe, Université de Montréal

Laurence Perreault-Levasseur est titulaire de la Chaire de recherche du Canada en cosmologie computationnelle et en intelligence artificielle. Elle 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 au Flatiron Institute à New York. Auparavant, elle a été chargée de recherche au Center for Computational Astrophysics du Flatiron Institute et boursière postdoctorale du KIPAC à l’université de Stanford. Laurence a obtenu son doctorat à l’université de Cambridge, où elle a travaillé sur les applications des méthodes de la théorie des champs effectifs ouverts au formalisme de l’inflation. Elle est titulaire d’une licence et d’une maîtrise en sciences de l’Université McGill.

Publications

2021-07

HInet: Generating Neutral Hydrogen from Dark Matter with Neural Networks
Digvijay Wadekar, Francisco Villaescusa-Navarro, Shirley Ho and Laurence Perreault-Levasseur

2021-04

CosmicRIM : Reconstructing Early Universe by Combining Differentiable Simulations with Recurrent Inference Machines
Chirag Modi, François Lanusse, Uroš Seljak, David N. Spergel and Laurence Perreault-Levasseur
arXiv preprint arXiv:2104.12864
(2021-04-26)
ui.adsabs.harvard.eduPDF
deep21: a deep learning method for 21 cm foreground removal
T. Lucas Makinen, Lachlan Lancaster, Francisco Villaescusa-Navarro, Peter Melchior, Shirley Ho, Laurence Perreault-Levasseur and David N. Spergel
Journal of Cosmology and Astroparticle Physics
(2021-04-01)
collaborate.princeton.edu
Analyzing the Kinematics of SITELLE Spectra using Machine Learning
Carter Rhea, Laurie Rousseau-Nepton, Simon Prunet, Julie Hlavacek-Larrondo, Sébastien Fabbro, Natalia Vale Asari, Kathryn Grasha, Laurence Perreault Levasseur and Laurence Prasow-Émond
Extragalactic Spectroscopic Surveys: Past
(2021-04-01)
ui.adsabs.harvard.edu

2021-02

A Machine Learning Approach to Integral Field Unit Spectroscopy Observations: II. HII Region LineRatios
Carter Rhea, Laurie Rousseau-Nepton, Simon Prunet, Myriam Prasow-Emond, Julie Hlavacek-Larrondo, Natalia Vale Asari, Kathryn Grasha and Laurence Perreault-Levasseur
arXiv preprint arXiv:2102.06230
(2021-02-11)
aps.arxiv.orgPDF

2020-12

Modeling assembly bias with machine learning and symbolic regression
Digvijay Wadekar, Francisco Villaescusa-Navarro, Shirley Ho and Laurence Perreault-Levasseur
arXiv preprint arXiv:2012.00111
(2020-12-04)
inspirehep.netPDF

2020-10

deep21: a Deep Learning Method for 21cm Foreground Removal
T. Lucas Makinen, Lachlan Lancaster, Francisco Villaescusa-Navarro, Peter Melchior, Shirley Ho, Laurence Perreault-Levasseur and David N. Spergel
arXiv preprint arXiv:2010.15843
(2020-10-29)
ui.adsabs.harvard.eduPDF
$\texttt{deep21}$: a Deep Learning Method for 21cm Foreground Removal
T. Lucas Makinen, Lachlan Lancaster, Francisco Villaescusa-Navarro, Peter Melchior, Shirley Ho, Laurence Perreault-Levasseur and David N. Spergel
(venue unknown)
(2020-10-29)
arxiv.orgPDF
A Machine-learning Approach to Integral Field Unit Spectroscopy Observations. II. H II Region Line Ratios
Carter Rhea, Laurie Rousseau-Nepton, Simon Prunet, Myriam Prasow-Émond, Julie Hlavacek-Larrondo, Natalia Vale Asari, Kathryn Grasha and Laurence Perreault-Levasseur
The Astrophysical Journal
(2020-10-05)
ui.adsabs.harvard.edu

2020-06

Bayesian Neural Networks.
Tom Charnock, Laurence Perreault-Levasseur and François Lanusse
arXiv preprint arXiv:2006.01490
(2020-06-02)
ui.adsabs.harvard.eduPDF

Publications collected and formatted using Paperoni