Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Planification de la synthèse moléculaire : modèles de transformation et cartographie des atomes

Concepts associés (25)

Intermédiaire réactionnel

Un 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.

Danishefsky Taxol total synthesis

The 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 organique

La 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.

Apprentissage profond

L'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.

Réseau neuronal convolutif

En 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.