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

Méthode de variation

Dans cours

PHYS-314: Quantum physics II

The aim of this course is to familiarize the student with the concepts, methods and consequences of quantum physics. ...

Description

Cette séance de cours couvre la méthode variationnelle, en mettant l'accent sur les principes et les applications des techniques variationnelles pour résoudre des problèmes mathématiques complexes. Les sujets comprennent la méthode d'approximation, la diagonalisation et la complexité des calculs formels.

Enseignant·e·s (3)

Vincenzo Savona

De nationalité italienne, Vincenzo Savona est né en 1969. Il effectue ses études de physique à lEcole normale supérieure de Pise et à lUniversité de Pise. Puis il entreprend une thèse de doctorat à lInstitut de physique théorique de lEPFL. Il effectue des recherches post-doctorales à lEPFL, puis à lInstitut de physique de lUniversité Humboldt de Berlin. En 2002, il revient à lEPFL pour y constituer son groupe de recherche, bénéficiant dun subside «professeur boursier» du Fonds national suisse de la recherche scientifique. En 2006, il est nommé professeur assistant tenure-track à lEPFL et intègre le NCCR de photonique quantique. En 2010 il est nommé professeur associé. Actuellement, il dirige le Laboratoire de physique théorique des nanosystèmes.

Florent Gérard Krzakala

Zoë Holmes

Source officielle

Concepts associés (24)

Classe de complexité

En informatique théorique, et plus précisément en théorie de la complexité, une classe de complexité est un ensemble de problèmes algorithmiques dont la résolution nécessite la même quantité d'une certaine ressource. Une classe est souvent définie comme l'ensemble de tous les problèmes qui peuvent être résolus sur un modèle de calcul M, utilisant une quantité de ressources du type R, où n, est la taille de l'entrée. Les classes les plus usuelles sont celles définies sur des machines de Turing, avec des contraintes de temps de calcul ou d'espace.

Computational complexity

In computer science, the computational complexity or simply complexity of an algorithm is the amount of resources required to run it. Particular focus is given to computation time (generally measured by the number of needed elementary operations) and memory storage requirements. The complexity of a problem is the complexity of the best algorithms that allow solving the problem. The study of the complexity of explicitly given algorithms is called analysis of algorithms, while the study of the complexity of problems is called computational complexity theory.

Théorie de la complexité (informatique théorique)

vignette|Quelques classes de complexité étudiées dans le domaine de la théorie de la complexité. Par exemple, P est la classe des problèmes décidés en temps polynomial par une machine de Turing déterministe. La théorie de la complexité est le domaine des mathématiques, et plus précisément de l'informatique théorique, qui étudie formellement le temps de calcul, l'espace mémoire (et plus marginalement la taille d'un circuit, le nombre de processeurs, l'énergie consommée ...) requis par un algorithme pour résoudre un problème algorithmique.

Complexité paramétrée

En algorithmique, la complexité paramétrée (ou complexité paramétrique) est une branche de la théorie de la complexité qui classifie les problèmes algorithmiques selon leur difficulté intrinsèque en fonction de plusieurs paramètres sur les données en entrée ou sur la sortie. Ce domaine est étudié depuis les années 90 comme approche pour la résolution exacte de problèmes NP-complets. Cette approche est utilisée en optimisation combinatoire, notamment en algorithmique des graphes, en intelligence artificielle, en théorie des bases de données et en bio-informatique.

Complexité en espace

En algorithmique, la complexité en espace est une mesure de l'espace utilisé par un algorithme, en fonction de propriétés de ses entrées. L'espace compte le nombre maximum de cases mémoire utilisées simultanément pendant un calcul. Par exemple le nombre de symboles qu'il faut conserver pour pouvoir continuer le calcul. Usuellement l'espace que l'on prend en compte lorsque l'on parle de l'espace nécessaire pour des entrées ayant des propriétés données est l'espace nécessaire le plus grand parmi ces entrées ; on parle de complexité en espace dans le pire cas.

Afficher plus

Séances de cours associées (31)

Résoudre les jeux de parité dans la pratique

Explore les aspects pratiques de la résolution des jeux de parité, y compris les stratégies gagnantes, les algorithmes, la complexité, le déterminisme et les approches heuristiques.

Systèmes linéaires: convergence et méthodes

Explore les systèmes linéaires, la convergence et les méthodes de résolution en mettant l'accent sur les besoins en temps et en mémoire du processeur.

Complexité algorithmique : analyse du temps de déplacement

Couvre la complexité algorithmique et l'analyse du temps de trajet, en se concentrant sur la mesure du temps pris par les algorithmes et l'évaluation de leurs performances.

Transition vers des villes intelligentes : complexité et interdépendance MOOC: Villes intelligentes, gestion des infrastructures urbaines intelligentes

S'inscrit dans la complexité et les interdépendances de la transition vers des villes intelligentes, soulignant l'importance d'une approche holistique.

Complexité algorithmique : définition et exemples

Explore l'exactitude de l'algorithme, l'analyse de la complexité dans le pire des cas et la comparaison de l'efficacité en fonction de la taille des entrées.

Afficher plus

Concepts associés (24)

Classe de complexité

Computational complexity

Théorie de la complexité (informatique théorique)

Complexité paramétrée

Complexité en espace

Afficher plus