L'objectif de ce projet est de proposer des méthodes statistiques originales pour construire la chronologie de sites archéologique à partir de datations par le radiocarbone. Plus précisément, il s'agira d'affiner la chronologie de sites préhistoriques pour lesquels la courbe de calibration du radiocarbone, qui permet de convertir les mesures du taux de 14C en âges, repose sur des données entachées d'erreurs mal connues (données marines et sous-terraines pour lesquelles le cycle du carbone est complexe). L'originalité de cette approche est de combiner la construction de la courbe de calibration avec la construction de la chronologie et ainsi d'éviter de découper la modélisation chronologique en deux étapes indépendantes comme c'est le cas actuellement, ce qui induit une perte d'information. Des méthodes de régressions non linéaires par réseaux de neurones seront développées dans le cadre des données entachées d'erreur pour la construction de la courbe de calibration. Enfin, une approche chronologique associant 14C et luminescence sera proposée.
Les activités principales sont les suivantes : étude de la régression non linéaire sur des données entachées d'erreurs par des méthodes de deep learning, approximation des lois a posteriori dans un réseau de neurone bayésien par l’utilisation de méthodes variationnelles. Des algorithmes originaux seront développés pour combiner la modélisation de la chronologie et la calibration du radiocarbone. Les outils statistiques développés seront appliqués pour analyser les données de différents sites : Bacho Kiro (Bulgarie), La Ferrassie, La Rochette, Pech de l'Azé IV, Combe Grenal (Dordogne), Chez-Pinaud/Jonzac (Charente-Maritime), etc.
Plus d’informations :
https://bit.ly/3u4ASKl