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

Réponse spatiale et convolution

Dans cours

PHYS-316: Statistical physics II

Introduction à la théorie des transitions de phase ...

Description

Cette séance de cours couvre la réponse spatiale des systèmes, y compris le calcul du centre de masse, l'adjacence matricielle et la convolution. Il se transforme également en Fourier transforme, inversement, et les équations cubiques hyperboliques génériques.

Enseignant·e·s (2)

Matthieu Wyart

Lenka Zdeborová

Lenka Zdeborová is a Professor of Physics and of Computer Science in École Polytechnique Fédérale de Lausanne where she leads the Statistical Physics of Computation Laboratory. She received a PhD in physics from University Paris-Sud and from Charles University in Prague in 2008. She spent two years in the Los Alamos National Laboratory as the Director's Postdoctoral Fellow. Between 2010 and 2020 she was a researcher at CNRS working in the Institute of Theoretical Physics in CEA Saclay, France. In 2014, she was awarded the CNRS bronze medal, in 2016 Philippe Meyer prize in theoretical physics and an ERC Starting Grant, in 2018 the Irène Joliot-Curie prize, in 2021 the Gibbs lectureship of AMS. She is an editorial board member for Journal of Physics A, Physical Review E, Physical Review X, SIMODS, Machine Learning: Science and Technology, and Information and Inference. Lenka's expertise is in applications of concepts from statistical physics, such as advanced mean field methods, replica method and related message-passing algorithms, to problems in machine learning, signal processing, inference and optimization. She enjoys erasing the boundaries between theoretical physics, mathematics and computer science.

Source officielle

Concepts associés (32)

Transformation de Fourier

thumb|Portrait de Joseph Fourier. En mathématiques, plus précisément en analyse, la transformation de Fourier est une extension, pour les fonctions non périodiques, du développement en série de Fourier des fonctions périodiques. La transformation de Fourier associe à toute fonction intégrable définie sur R et à valeurs réelles ou complexes, une autre fonction sur R appelée transformée de Fourier dont la variable indépendante peut s'interpréter en physique comme la fréquence ou la pulsation.

Matrice d'adjacence

En mathématiques, en théorie des graphes, en informatique, une matrice d'adjacence pour un graphe fini à n sommets est une matrice de dimension n × n dont l'élément non diagonal a est le nombre d'arêtes liant le sommet i au sommet j. L'élément diagonal a est le nombre de boucles au sommet i (pour des graphes simples, ce nombre est donc toujours égal à 0 ou 1). Cet outil mathématique est très utilisé comme structure de données en informatique (tout comme la représentation par liste d'adjacence), mais intervient aussi naturellement dans les chaînes de Markov.

Produit de convolution

En mathématiques, le produit de convolution est un opérateur bilinéaire et un produit commutatif, généralement noté « ∗ », qui, à deux fonctions f et g sur un même domaine infini, fait correspondre une autre fonction « f ∗ g » sur ce domaine, qui en tout point de celui-ci est égale à l'intégrale sur l'entièreté du domaine (ou la somme si celui-ci est discret) d'une des deux fonctions autour de ce point, pondérée par l'autre fonction autour de l'origine — les deux fonctions étant parcourues en sens contraire

Transformation de Fourier discrète

En mathématiques, la transformation de Fourier discrète (TFD) sert à traiter un signal numérique. Elle constitue un équivalent discret (c'est-à-dire pour un signal défini à partir d'un nombre fini d'échantillons) de la transformation de Fourier (continue) utilisée pour traiter un signal analogique. Plus précisément, la TFD est la représentation spectrale discrète dans le domaine des fréquences d'un signal échantillonné. La transformation de Fourier rapide est un algorithme particulier de calcul de la transformation de Fourier discrète.

Fourier analysis

In mathematics, Fourier analysis (ˈfʊrieɪ,_-iər) is the study of the way general functions may be represented or approximated by sums of simpler trigonometric functions. Fourier analysis grew from the study of Fourier series, and is named after Joseph Fourier, who showed that representing a function as a sum of trigonometric functions greatly simplifies the study of heat transfer. The subject of Fourier analysis encompasses a vast spectrum of mathematics.

Afficher plus

Séances de cours associées (31)

Propriétés de la transformée de Fourier

Explore les propriétés et les applications de la transformée de Fourier dans le traitement du signal et les mathématiques.

Fourier Transform Applications: Bases de traitement d'images

Couvre les bases du traitement d'image, la transformation de Fourier, la convolution, la corrélation croisée et la reconstruction 3D à l'aide du théorème de projection Radon.

Convolution et transformation de Laplace

Explore le contrôle des systèmes dynamiques, la réponse impulsionnelle, la transformée de Laplace et la transformée de Fourier pour résoudre les équations différentielles.

Propriétés spectrales de la série Fourier et des transformées de Fourier

Explore la motivation derrière les séries et les transformations de Fourier, leurs principes fondamentaux et leurs applications dans la résolution d'équations différentielles.

Signaux discrets et transformée de Fourier

Explore les signaux discrets, la transformée de Fourier, la modulation, la convolution, les propriétés DFT et la périodicité du signal.

Afficher plus

Concepts associés (32)

Transformation de Fourier

Matrice d'adjacence

Produit de convolution

Transformation de Fourier discrète

Fourier analysis

Afficher plus