Réaction péricycliqueEn chimie organique, une réaction péricyclique est une réaction dans laquelle une réorganisation concertée des liaisons passe par un ensemble cyclique d'atomes (comprenant souvent six atomes) liés en permanence. L'état de transition possède une géométrie cyclique. Les réactions péricycliques sont généralement des réactions de réarrangement. On distingue : les cycloadditions ; les réactions chélotropes ; les réactions électrocycliques ; les transpositions sigmatropiques ; les réactions de transfert de groupe ; les réactions dyotropiques.
Intermédiaire réactionnelUn intermédiaire réactionnel est une espèce participant à un mécanisme réactionnel et qui n'est ni un réactif, ni un produit dans l'équation-bilan de la réaction. Il apparaît donc en tant que produit dans au moins un acte élémentaire (réaction fondamentale d'un mécanisme réactionnel) et en tant que réactif dans au moins un autre acte élémentaire. On distingue les intermédiaires réactionnels très réactifs, appelés centres actifs.
Synthèse organiquevignette|Schéma réactionnel de la préparation du diène de Danishefsky La synthèse organique est une branche de la synthèse chimique qui est concernée par la création de composés organiques à l'aide de réactions organiques. Les molécules organiques ont souvent un degré de complexité plus élevé que celles dites inorganiques. De nos jours, la synthèse organique occupe une place importante en chimie organique. À l'intérieur de celle-ci, on distingue deux principaux champs de recherche : la synthèse totale et la méthodologie.
Organic SynthesesOrganic Syntheses (abrégé en Org. Synth.) est une revue scientifique à comité de lecture en libre accès fondée en 1921 et qui publie annuellement des procédures détaillées et vérifiées de synthèses de composés organiques à destination de la communauté des chimistes. L'histoire d'Organic Syntheses débute en 1914 avec la Première Guerre mondiale. Du fait du conflit, les États-Unis sont coupés des fournisseurs européens qui fournissent la plupart des produits chimiques nécessaires à la recherche américaine.
Graph neural networkA graph neural network (GNN) is a class of artificial neural networks for processing data that can be represented as graphs. In the more general subject of "geometric deep learning", certain existing neural network architectures can be interpreted as GNNs operating on suitably defined graphs. Convolutional neural networks, in the context of computer vision, can be seen as a GNN applied to graphs structured as grids of pixels. Transformers, in the context of natural language processing, can be seen as GNNs applied to complete graphs whose nodes are words in a sentence.
Danishefsky Taxol total synthesisThe Danishefsky Taxol total synthesis in organic chemistry is an important third Taxol synthesis published by the group of Samuel Danishefsky in 1996 two years after the first two efforts described in the Holton Taxol total synthesis and the Nicolaou Taxol total synthesis. Combined they provide a good insight in the application of organic chemistry in total synthesis. Danishefsky's route to Taxol has many similarities with that of Nicolaou. Both are examples of convergent synthesis with a coupling of the A and the C ring from two precursors.
Chimie organiqueLa chimie organique est le domaine de la chimie qui étudie les composés organiques, c'est-à-dire les composés du carbone (à l'exception de quelques composés simples qui par tradition relèvent de la chimie minérale). Ces composés peuvent être naturels ou synthétiques. Une caractéristique du carbone consiste en l’aptitude qu’ont ses atomes à s’enchaîner les uns aux autres, par des liaisons covalentes, d'une façon presque indéfinie, pour former des chaînes carbonées d’une grande diversité.
Attention (machine learning)Machine learning-based attention is a mechanism mimicking cognitive attention. It calculates "soft" weights for each word, more precisely for its embedding, in the context window. It can do it either in parallel (such as in transformers) or sequentially (such as recursive neural networks). "Soft" weights can change during each runtime, in contrast to "hard" weights, which are (pre-)trained and fine-tuned and remain frozen afterwards. Multiple attention heads are used in transformer-based large language models.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Modèle de langageEn traitement automatique des langues, un modèle de langage ou modèle linguistique est un modèle statistique de la distribution de symboles distincts (lettres, phonèmes, mots) dans une langue naturelle. Un modèle de langage peut par exemple prédire le mot suivant dans une séquence de mots. Un modèle de langage n-gramme est un modèle de langage qui modélise des séquences de mots comme un processus de Markov. Il utilise l'hypothèse simplificatrice selon laquelle la probabilité du mot suivant dans une séquence ne dépend que d'une fenêtre de taille fixe de mots précédents.
Robotiquethumb|upright=1.5|Nao, un robot humanoïde. thumb|upright=1.5|Des robots industriels au travail dans une usine. La robotique est l'ensemble des techniques permettant la conception et la réalisation de machines automatiques ou de robots. L'ATILF donne la définition suivante du robot : « il effectue, grâce à un système de commande automatique à base de microprocesseur, une tâche précise pour laquelle il a été conçu dans le domaine industriel, scientifique, militaire ou domestique ».
Neural networkA neural network can refer to a neural circuit of biological neurons (sometimes also called a biological neural network), a network of artificial neurons or nodes in the case of an artificial neural network. Artificial neural networks are used for solving artificial intelligence (AI) problems; they model connections of biological neurons as weights between nodes. A positive weight reflects an excitatory connection, while negative values mean inhibitory connections. All inputs are modified by a weight and summed.
