Réseau de neurones récurrentsUn réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
Déterminant de SlaterEn mécanique quantique le déterminant de Slater d'ordre N est une expression de la fonction d'onde d'un système de N électrons (ou autres fermions) identiques. Il est exprimé sous la forme d'un déterminant constitué avec les N spinorbitales individuelles des différents fermions. Cette écriture permet à la fonction d'onde du système de satisfaire la condition d'antisymétrie lors de l'échange de deux fermions et en vertu du principe de Pauli. En effet, un déterminant change de signe lors de la permutation de deux indices quelconques de ses colonnes ou lignes.
Types of artificial neural networksThere are many types of artificial neural networks (ANN). Artificial neural networks are computational models inspired by biological neural networks, and are used to approximate functions that are generally unknown. Particularly, they are inspired by the behaviour of neurons and the electrical signals they convey between input (such as from the eyes or nerve endings in the hand), processing, and output from the brain (such as reacting to light, touch, or heat). The way neurons semantically communicate is an area of ongoing research.
Interaction de configurationL'interaction de configuration (configuration interaction en anglais - CI) est une méthode post-Hartree-Fock linéaire variationnelle pour la résolution de l'équation de Schrödinger non relativiste dans l'approximation de Born-Oppenheimer pour un système chimique quantique multi-électronique. Deux sens sont liés à l'expression d'« interaction de configuration » dans ce contexte. Mathématiquement, le terme de configuration décrit simplement la combinaison linéaire de déterminants de Slater utilisée pour la fonction d'onde.
Apprentissage profondL'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.
Champ multi-configurationnel auto-cohérentLe champ multi-configurationnel auto-cohérent (Multi-configurational self-consistent field - MCSCF) est une méthode de chimie quantique utilisée pour générer qualitativement des états de référence corrects pour des molécules dans les cas où la méthode de Hartree-Fock et la théorie de la fonctionnelle de la densité ne sont pas pertinentes (comme pour les états fondamentaux moléculaires qui sont dégénérés avec des états excités bas ou dans les situations de rupture de liaisons).
Réseau de neurones à propagation avantUn réseau de neurones à propagation avant, en anglais feedforward neural network, est un réseau de neurones artificiels acyclique, se distinguant ainsi des réseaux de neurones récurrents. Le plus connu est le perceptron multicouche qui est une extension du premier réseau de neurones artificiel, le perceptron inventé en 1957 par Frank Rosenblatt. vignette|Réseau de neurones à propagation avant Le réseau de neurones à propagation avant est le premier type de réseau neuronal artificiel conçu. C'est aussi le plus simple.
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.
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.
Équation de SchrödingerL'équation de Schrödinger, conçue par le physicien autrichien Erwin Schrödinger en 1925, est une équation fondamentale en mécanique quantique. Elle décrit l'évolution dans le temps d'une particule massive non relativiste, et remplit ainsi le même rôle que la relation fondamentale de la dynamique en mécanique classique. Au début du , il était devenu clair que la lumière présentait une dualité onde-corpuscule, c'est-à-dire qu'elle pouvait se manifester, selon les circonstances, soit comme une particule, le photon, soit comme une onde électromagnétique.
Méthode ab initio de chimie quantiqueLes méthodes ab initio de chimie quantique sont des méthodes de chimie numérique basées sur la chimie quantique. La méthode ab initio la plus simple de calcul de structure électronique est le schéma Hartree-Fock (HF), dans laquelle la répulsion coulombienne électron-électron n'est pas spécifiquement prise en compte. Seul son effet moyen est inclus dans le calcul. Lorsque la taille de la base est augmentée, l'énergie et la fonction d'onde tendent vers une limite appelée limite Hartree-Fock.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Principe variationnelUn principe variationnel est un principe physique s'exprimant sous une forme variationnelle et duquel, dans un domaine précis de la physique (mécanique, optique géométrique, électromagnétisme, etc), de nombreuses propriétés peuvent être déduites. Dans de nombreux cas, la résolution des équations se ramène à la recherche de géodésiques dans un espace approprié (en général l'espace des états du système physique étudié), sachant que ces géodésiques sont les extrémales d'une certaine intégrale représentant la longueur de l'arc joignant les points fixes dans cet espace abstrait.
Mécanique quantiqueLa mécanique quantique est la branche de la physique théorique qui a succédé à la théorie des quanta et à la mécanique ondulatoire pour étudier et décrire les phénomènes fondamentaux à l'œuvre dans les systèmes physiques, plus particulièrement à l'échelle atomique et subatomique. Elle fut développée dans les années 1920 par une dizaine de physiciens européens, pour résoudre des problèmes que la physique classique échouait à expliquer, comme le rayonnement du corps noir, l'effet photo-électrique, ou l'existence des raies spectrales.
Corrélation électroniqueDans les calculs quantique de structure électronique, le terme de corrélation électronique décrit une part de l'énergie d'interaction entre électrons lié à leur influence mutuelle. Ce terme d’interaction représente la différence entre une solution Hartree Fock (sur une base de déterminants de Slater, antisymétrisée vis-à-vis de l'échange de 2 électrons) et la solution exacte du problème (voir figure ci-dessous). Dans la méthode de Hartree-Fock en chimie quantique, la fonction d'onde antisymétrique est approximée par un seul déterminant de Slater.
Chimie numériqueLa chimie numérique ou chimie informatique, parfois aussi chimie computationnelle, est une branche de la chimie et de la physico-chimie qui utilise les lois de la chimie théorique exploitées dans des programmes informatiques spécifiques afin de calculer structures et propriétés d'objets chimiques tels que les molécules, les solides, les agrégats atomiques (ou clusters), les surfaces, etc., en appliquant autant que possible ces programmes à des problèmes chimiques réels.
Méthode quantique semi-empiriqueLes méthodes semi-empiriques sont des techniques de résolution de l'équation de Schrödinger de systèmes à plusieurs électrons. Contrairement aux méthodes ab initio, les méthodes semi-empiriques utilisent des données ajustées sur des résultats expérimentaux afin de simplifier les calculs. La longueur et la difficulté des calculs est en grande partie due aux intégrales biélectroniques qui apparaissent au cours du processus de résolution.
Principe de moindre actionLe principe de moindre action est le principe physique selon lequel la dynamique d'une quantité physique (la position, la vitesse et l'accélération d'une particule, ou les valeurs d'un champ en tout point de l'espace, et leurs variations) peut se déduire à partir d'une unique grandeur appelée action en supposant que les valeurs dynamiques permettent à l'action d'avoir une valeur optimale entre deux instants donnés (la valeur est minimale quand les deux instants sont assez proches).
Opérateur hamiltonienL’opérateur de Hamilton, opérateur hamiltonien ou tout simplement hamiltonien est un opérateur mathématique possédant de nombreuses applications dans divers domaines de la physique. D'après Jérôme Pérez, l'opérateur hamiltonien a été développé en 1811 par Joseph-Louis Lagrange alors qu'Hamilton n'avait que 6 ans. Lagrange a explicitement écrit : formule dans laquelle faisait référence à Christiaan Huygens et qu'il aurait appelé Huygensien.
