Séance de cours

Thermodynamique statistique : fonctions de partition et statistiques quantiques

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

CH-242(b): Mécanique statistique pour la chimie

Ce cours construit la base théorique universelle permettant de comprendre les systèmes à grand nombre de particules. Les méthodes introduites sont utilisées pour éclairer de nombreux phénomènes à travers la chimie. ...

Description

Cette séance de cours couvre le concept de fonctions de partition pour les molécules avec des atomes N22, introduisant les différents types de statistiques quantiques: particules distinguables, Bosons et Fermions. Il explique les hypothèses du modèle d'Einstein et le comportement des particules dans différents états quantiques.

Enseignant·e·s (2)

Andreas Osterwalder

EDUCATION: 2002: Dr.sc.nat. (ETH Zurich) 1998: Dipl.Chem. (ETH Zurich) ACADEMIC POSITIONS: since 2015: Senior Scientist at EPFL 2009-2015: SNSF-funded Professor at EPFL 2005-2009: Group leader, Fritz-Haber-Institute of the Max-Planck-Society in Berlin (Department of Molecular Physics under Prof. G. Meijer) 2002-2005: Postdoctoral Fellow at UC Berkeley (Group of Prof. D.M.Neumark) 1998-2002: PhD Student at ETHZ (Group of Prof. F.Merkt)

Christopher Scott Reilly

Source officielle

Proximité ontologique

Physique

Physique des particules: Modèle standard de la physique des particules

Concepts associés (32)

Lasso (statistiques)

En statistiques, le lasso est une méthode de contraction des coefficients de la régression développée par Robert Tibshirani dans un article publié en 1996 intitulé Regression shrinkage and selection via the lasso. Le nom est un acronyme anglais : Least Absolute Shrinkage and Selection Operator. Bien que cette méthode fut utilisée à l'origine pour des modèles utilisant l'estimateur usuel des moindres carrés, la pénalisation lasso s'étend facilement à de nombreux modèles statistiques tels que les modèles linéaires généralisés, les modèles à risque proportionnel, et les M-estimateurs.

Encre de Chine

L'encre de Chine est une encre noire utilisée pour l'écriture, le dessin et la peinture au lavis. Réputée venir d'Orient, Chine ou Inde, elle associe un pigment noir de carbone et un liant aqueux. L'encre de Chine proprement dite se présente sous forme de bâtons à frotter sur une pierre dans de l'eau. Elle est indélébile. Sa composition varie. À l'époque moderne, le terme « encre de Chine désigne couramment une variété plus grande encore de préparations liquides, qui partagent plus ou moins ses qualités essentielles.

Encre

vignette|Flacon d'encre noire. Une encre est une substance liquide ou pâteuse fortement teintée qui sert à marquer le papier ou d'autres matériaux imprimables. Les encres peuvent être constituées de colorants dissous qui imprègnent ou mordent le support comme les teintures, ou de dispersions de pigments dans un liant comme les peintures, dont elles ne se distinguent que par leur usage. On distingue les encres à écrire ou à dessiner des encres d'imprimerie, de propriétés et de composition très différentes.

Sélection de caractéristique

La sélection de caractéristique (ou sélection d'attribut ou de variable) est un processus utilisé en apprentissage automatique et en traitement de données. Il consiste, étant donné des données dans un espace de grande dimension, à trouver un sous-sensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. C'est une méthode de réduction de la dimensionnalité. Extraction de caractéristique Catégorie:Apprentissage

Elastic net regularization

In statistics and, in particular, in the fitting of linear or logistic regression models, the elastic net is a regularized regression method that linearly combines the L1 and L2 penalties of the lasso and ridge methods. The elastic net method overcomes the limitations of the LASSO (least absolute shrinkage and selection operator) method which uses a penalty function based on Use of this penalty function has several limitations. For example, in the "large p, small n" case (high-dimensional data with few examples), the LASSO selects at most n variables before it saturates.

Afficher plus

Séances de cours associées (54)

Thermodynamique statistique : particules et niveaux

Couvre la thermodynamique statistique des particules et des niveaux, des permutations et de l'entropie dans l'élasticité des bandes de caoutchouc.

Physique des particules: Vue d'ensemble du modèle standard

Couvre la physique des particules, les particules élémentaires, les forces fondamentales, le modèle standard et la physique de précision dans la physique de la fin du XXe siècle.

Particules indiscernables en mécanique quantique

Explore les particules indiscernables en mécanique quantique, en discutant de symétrie, de matrice de densité, de statistiques quantiques, de principe d'exclusion et de comportement des particules.

Produit commandé normal et théorème de Wick

Couvre le produit ordonné normal et le théorème de Wick en théorie quantique des champs.

Mécanique statistique : Boltzmann, Bose-Einstein et Fermi-Dirac

Discute des statistiques de Boltzmann, Bose-Einstein et Fermi-Dirac en mécanique statistique.

Afficher plus

Concepts associés (32)

Lasso (statistiques)

Encre de Chine

Encre

Sélection de caractéristique

Elastic net regularization

Afficher plus