Mes intérêts de recherche englobent la modélisation stochastique du sous-sol à l'aide de méthodes géostatistiques et d'apprentissage automatique, ainsi que la résolution de problèmes inverses en hydrogéologie. Je me concentre actuellement sur le développement de nouveaux algorithmes géostatistiques pour produire des modèles géologiques souterrains précis, avec des applications en hydrogéologie et en géotechnique. Je travaille également sur la modélisation de substitution en utilisant l'apprentissage profond combiné à des algorithmes géostatistiques pour l'écoulement des eaux souterraines. Mon travail vise à réduire les incertitudes associées à la modélisation du sous-sol, aidant ainsi les ingénieurs et les spécialistes à prendre des décisions qui atténuent efficacement les risques économiques, environnementaux et sociaux.