LeptonEn physique des particules, un lepton est une particule élémentaire de spin qui n'est pas sensible à l'interaction forte. La famille des leptons est constituée des électrons, des muons, des tauons, des neutrinos respectifs et des antiparticules de toutes celles-ci. Le terme lepton provient du mot grec (« léger ») et se réfère à la faible masse du premier lepton découvert, l'électron, par rapport aux nucléons.
Neutrino stérileLe neutrino stérile est un type hypothétique de neutrino qui n'interagit via aucune des interactions fondamentales du modèle standard de la physique des particules, hormis la gravité. C'est un neutrino dextrogyre (autrement dit à chiralité droite) léger ou bien un antineutrino lévogyre qui pourrait s'ajouter au modèle standard, et prendre part aux phénomènes tels que le mélange des neutrinos. Le terme neutrino stérile est utilisé pour le distinguer du neutrino actif du modèle standard, qui dispose d'une charge pour l'interaction faible.
Tau (particule)Le tau (également appelé lepton tau ou tauon) est une particule élémentaire de la famille des leptons, de masse . Il est symbolisé par τ−. Découvert en 1976 par le Physicien Martin Lewis Perl, ses propriétés sont proches de celles de l'électron et du muon, mais il est plus massif et de faible durée de vie. Avec son neutrino associé et les quarks top (t) et bottom (b), il forme la troisième génération (la plus massive) de fermions dans le modèle standard. Son antiparticule est l'antitau (τ+).
LHCbLHCb (Large Hadron Collider beauty experiment : Expérience du LHC sur le quark beauté) est une expérience de physique des particules utilisant les collisions de protons produites au collisionneur LHC du CERN (Genève). Ce détecteur est spécialisé dans la physique des saveurs et la recherche de nouvelle physique par des méthodes indirectes comme la mesure de violation de la symétrie CP ou de taux d'embranchement de décroissances rares. Le détecteur LHCb se trouve sur la commune de Ferney-Voltaire en France au point 8 du LHC, à quelques mètres de la frontière suisse.
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.
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.
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.
NeutrinoLe neutrino est une particule élémentaire du modèle standard de la physique des particules. Les neutrinos sont des fermions de , plus précisément des leptons. Ils sont électriquement neutres. Il en existe trois « saveurs » : électronique, muonique et tauique. L’existence du neutrino a été postulée pour la première fois en 1930 par Wolfgang Pauli pour expliquer le spectre continu de la désintégration bêta ainsi que l’apparente non-conservation du moment cinétique, et sa première confirmation expérimentale remonte à 1956.
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.
Particule subatomiqueUne particule subatomique est un composant de la matière. Elle a une taille inférieure à celle d'un atome. On distingue les particules élémentaires des particules composites. La branche de la physique qui les étudie est appelée la physique des particules. Modèle standard (physique des particules) La recherche sur les particules subatomiques a permis de mettre en évidence : d'une part, les constituants atomiques tels que les protons, les neutrons et les électrons, ainsi que leurs constituants (notamment les quarks) ; d'autre part, les particules produites par les phénomènes de rayonnement et de dispersion, tels que les photons, les neutrinos, et les muons.
Boson de Higgsthumb|De gauche à droite : Kibble, Guralnik, Hagen, Englert et Brout, en 2010. Le boson de Higgs ou boson BEH, est une particule élémentaire dont l'existence, postulée indépendamment en juin 1964 par François Englert et Robert Brout, par Peter Higgs, en août, et par Gerald Guralnik, Carl Richard Hagen et Thomas Kibble, permet d'expliquer la brisure de l'interaction unifiée électrofaible (EWSB, pour l'anglais ) en deux interactions par l'intermédiaire du mécanisme de Brout-Englert-Higgs-Hagen-Guralnik-Kibble et d'expliquer ainsi pourquoi certaines particules ont une masse et d'autres n'en ont pas.
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.
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.
Saveur (physique)La saveur, en physique des particules, est une caractéristique permettant de distinguer différents types de leptons et de quarks, deux sous-familles des fermions. Les leptons se déclinent en trois saveurs et les quarks en six saveurs. Les saveurs permettent de distinguer certaines classes de particules dont les autres propriétés (charge électrique, interactivité) sont similaires. Les dénominations des saveurs ont été introduites par Murray Gell-Mann, baptisant le quark étrange lors de la détection du kaon en 1964.
Mathematical formulation of the Standard ModelThis article describes the mathematics of the Standard Model of particle physics, a gauge quantum field theory containing the internal symmetries of the unitary product group SU(3) × SU(2) × U(1). The theory is commonly viewed as describing the fundamental set of particles – the leptons, quarks, gauge bosons and the Higgs boson. The Standard Model is renormalizable and mathematically self-consistent, however despite having huge and continued successes in providing experimental predictions it does leave some unexplained phenomena.
FermionEn physique des particules, un fermion (nom attribué par Paul Dirac d'après Enrico Fermi) est une particule de spin demi-entier (c'est-à-dire 1/2, 3/2, 5/2...). Elle obéit à la statistique de Fermi-Dirac. Un fermion peut être une particule élémentaire, tel l'électron, ou une particule composite, tel le proton, ou toutes leurs antiparticules. Toutes les particules élémentaires observées sont soit des fermions, soit des bosons (l'hypothétique matière noire, encore non observée en , n'est actuellement pas catégorisée).
Génération (physique des particules)En physique des particules, une génération est une division des particules élémentaires. Ces particules diffèrent en fonction de leurs saveurs et de leurs masses mais leurs interactions élémentaires sont les mêmes. Dans le modèle standard de la physique des particules, les fermions sont classés en trois familles ou générations. Chacune d'elles comprend deux quarks (respectivement les up et down , les strange et charm , et les bottom et top ) ; un lepton chargé (respectivement l'électron , le muon et le tau ) ; et un neutrino (respectivement le neutrino électronique , le neutrino muonique et le neutrino tauique ).
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.
Nombre baryoniqueLe est, en physique des particules, un nombre quantique additif invariant. Il peut être défini comme le tiers de la différence entre le nombre de quarks et le nombre d'antiquarks dans le système : où est le nombre de quarks, et est le nombre d'antiquarks. D'un point de vue pratique, on divise par trois afin de faire correspondre le nombre baryonique au nombre de nucléons (protons et neutrons, tous deux constitués de trois quarks). Or, ces particules ont été connues bien avant, et sont plus familières que les quarks.
Neutral particle oscillationIn particle physics, neutral particle oscillation is the transmutation of a particle with zero electric charge into another neutral particle due to a change of a non-zero internal quantum number, via an interaction that does not conserve that quantum number. Neutral particle oscillations were first investigated in 1954 by Murray Gell-mann and Abraham Pais. For example, a neutron cannot transmute into an antineutron as that would violate the conservation of baryon number.
