加布里埃爾·佩雷

加布里埃爾·佩雷（，）是一名法國數學家。他的研究主要集中在傳輸理論領域。他是法國國家科學研究中心（CNRS）的高級研究員，同時擔任巴黎高等師範學院數學與應用系的教授。他於2021年獲頒。

生平
佩雷的研究主要聚焦於應用數學，特別是成像科學以及最佳傳輸在機器學習中的應用。

佩雷同時擔任巴黎3IA人工智慧研究院副院長，並擔任巴黎高等師範學院數據科學中心科學委員會委員。他同時也是「數據科學數值導覽」的創建者，這是一個廣受歡迎的線上資源庫，收錄了用於教授數學數據科學的Python、MATLAB、Julia和R相關資源。他經常與INRIA的Mokaplan團隊合作。

榮譽
佩雷於2017年獲頒法國科學院頒發的布萊斯·帕斯卡獎，並於2019年獲頒義大利數學聯合會頒發的恩里科·馬格內斯獎。。他亦曾受邀擔任2020年的演講嘉賓。他的研究於2012年獲得歐洲研究委員會（ERC）新進研究員資助金的支持，並於2017年獲得歐洲研究委員會鞏固資助金的支持。2021年，他榮獲
Peyré, G., Bougleux, S., & Cohen, L. (2008). Non-local regularization of inverse problems. In D. Forsyth, P. Torr, & A. Zisserman (Eds.), Computer vision – ECCV 2008* (pp. 57–68). Springer.
Peyré, G., & Cuturi, M. (2019). Computational optimal transport: With applications to data science [Publisher: Now Publishers, Inc.]. Foundations and Trends in Machine Learning, 11(5)*, 355–607.
Rabin, J., Peyré, G., Delon, J., & Bernot, M. (2012). Wasserstein barycenter and its application to texture mixing. In A. M. Bruckstein, B. M. ter Haar Romeny, A. M. Bronstein, & M. M. Bronstein (Eds.), Scale spaceand variational methods in computer vision* (pp. 435–446). Springer.
Solomon, J., de Goes, F., Peyré, G., Cuturi, M., Butscher, A., Nguyen, A., Du, T., & Guibas, L. (2015). Convolutional wasserstein distances: Efficient optimal transportation on geometric domains. ACM Transactions on Graphics, 34(4)*, 66:1–66:11.

參考資料
外部連結
*