Matias Fernandez Rosales Doctorant en composition, Université de Strasbourg

En bref

affiliation à l'UR 3402 - ACCRA depuis 2020

rattachement au Collège GLAREAN depuis 2020 (membre doctorant)

autre laboratoire de rattachement : ITI CREAA (Centre de recherche et d'expérimentation sur l'acte artistique), Université de Strasbourg, depuis 2021 (membre doctorant)

sujet de thèse : La Modélisation comme outil analytique

directeurs de thèse : Moreno Andreatta et Xavier Hascher

directeurs artistiques : Daniel D'Adamo et Tom Mays

instruments pratiqués : saxophone et basse

contact : matias.fernandezrosales@accra-recherche.unistra.fr

Présentation

     Matías Fernández Rosales (né à Talca au Chili en 1988) connaît ses premiers contacts avec la musique par le biais du jazz et de la musique populaire. Il a été, et est encore membre de différents groupes et ensembles. Matías est entré au conservatoire de l’Université Catholique du Chili où il a obtenu une licence en musique, avec une mention en composition. Il y a étudié la composition et les nouvelles technologies avec Christian Morales, l’analyse musicale et l’orchestration avec Aliosha Solovera. Il a ensuite intégré un Master en composition contemporaine au CNSMD de Lyon, dans la classe de composition de Philippe Hurel. Avec Michel Tadini, il a étudié les nouvelles technologies.

     Matias Fernandez Rosales a joué dans différents pays d’Amérique du Sud, Asie ainsi qu’en Océanie et en Europe. Son répertoire inclut la musique pour orchestre, ensemble, soliste, musique électronique et mixte ainsi que des improvisations musicales avec électronique ou saxophone.

     Son travail de recherche en doctorat, mené sous la direction de Moreno Andreatta, Daniel Dadamo et Xavier Hascher, porte sur la relation entre la modélisation des procédés musicales et la liberté spontanée de la création musicale

Thèmes de recherche

  • Musique contemporaine
  • Composition musicale
  • Musique mixte
  • Musique électroacoustique
  • Musiques formelles
  • Analyse musicale
  • Acoustique musicale
  • Modèles stochastiques
  • Programmation