Classification de VaucouleursEn astronomie, la classification de Vaucouleurs est basée sur des critères morphologiques des galaxies et fut développée en 1959 par Gérard de Vaucouleurs. En 1959, Gérard de Vaucouleurs révisa la classification morphologique de Hubble pour tenir compte des caractéristiques plus subtiles dans la structure des galaxies, notamment pour les galaxies spirales et lenticulaires. Il a remarqué que la classification à deux branches de Hubble, basée sur l'enroulement plus ou moins serré des bras (les lettres a, b et c) et sur la présence d'une barre (SB) ou son absence (S), ne décrit pas adéquatement toute la gamme des formes des galaxies observées.
Protogalaxievignette|Illustration montrant des protogalaxies en train d'entrer en collision. En cosmologie physique, une protogalaxie, ou galaxie primitive, est un nuage de gaz qui se transforme en galaxie. On pense que le taux de formation d'étoiles, durant la période d'évolution galactique va déterminer si la forme d'une galaxie sera une spirale ou une ellipse ; une formation d'étoiles ralentie tend à générer une galaxie spirale. Des petits nuages de gaz d'une protogalaxie se transforment en étoile.
Transformeurvignette|Schéma représentant l'architecture générale d'un transformeur. Un transformeur (ou modèle auto-attentif) est un modèle d'apprentissage profond introduit en 2017, utilisé principalement dans le domaine du traitement automatique des langues (TAL). Dès 2020, les transformeurs commencent aussi à trouver une application en matière de vision par ordinateur par la création des vision transformers (ViT).
Galaxie à sursauts de formation d'étoilesUne galaxie à sursaut de formation d'étoiles ou galaxie à flambée (de formation) d'étoiles (starburst galaxy en anglais) est une galaxie présentant un taux exceptionnel de formation d'étoiles par rapport aux taux observés dans la plupart des galaxies. Ce phénomène est limité dans le temps et constitue une étape dans la vie d'une galaxie. On déduit des observations que les sursauts de formation d'étoiles dans une galaxie résultent principalement d'une collision, ou d'une interaction avec une ou plusieurs galaxies proches.
Système expertUn système expert est un outil capable de reproduire les mécanismes cognitifs d'un expert, dans un domaine particulier. Il s'agit de l'une des voies tentant d'aboutir à l'intelligence artificielle. Plus précisément, un système expert est un logiciel capable de répondre à des questions, en effectuant un raisonnement à partir de faits et de règles connues. Il peut servir notamment comme outil d'aide à la décision. Le premier système expert a été Dendral. Il permettait d'identifier les constituants chimiques.
Galaxy ZooGalaxy Zoo est un projet astronomique en ligne qui propose aux internautes de collaborer au projet de classifier plus d'un million de galaxies. Les internautes bénévoles doivent travailler sur des images prises par le programme Sloan Digital Sky Survey et décider si les galaxies sont elliptiques ou spirales et signaler si elles possèdent des particularités comme avoir des spirales en forme de barre ou bien avoir subi des transformations. Le but de ce recensement est de valider les différents modèles galactiques proposés par les scientifiques.
GW150914GW150914 est le nom du signal à l’origine de la première observation directe d’ondes gravitationnelles annoncée le par les laboratoires LIGO et Virgo. La détection a été faite le à sur les deux sites américains jumeaux LIGO construits en Louisiane et dans l’État de Washington à trois mille kilomètres de distance. La forme d’onde correspond aux prédictions de la relativité générale concernant la chute en spirale et la fusion d’une paire de trous noirs et l’effet provoqué par le trou noir résultant.
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.
Observatoire d'ondes gravitationnellesEn astronomie, un observatoire d'ondes gravitationnelles (on parle aussi de détecteur d'ondes gravitationnelles) est un système destiné à détecter et mesurer les ondes gravitationnelles. Un moyen relativement simple d'observer ces ondes est connu sous le nom de barre de Weber : sous l'effet d'une onde gravitationnelle, l'espace-temps se déforme très légèrement. Ainsi, un objet est également déformé - on peut alors déduire l'intensité et la provenance de l'onde.
Apprentissage actifL’apprentissage actif est un modèle d’apprentissage semi-supervisé où un oracle intervient au cours du processus. Plus précisément, contrairement au cadre classique où les données sont connues et imposées, en apprentissage actif, c'est l'algorithme d'apprentissage qui demande des informations pour des données précises. Cette technique repose sur l'hypothèse que l’acquisition de données non étiquetées est beaucoup moins coûteuse que celle de données étiquetées.
Réseau neuronal résidueldroite|vignette| Forme canonique d'un réseau neuronal résiduel. Une couche l − 1 est ignoré sur l'activation de l − 2. Un réseau neuronal résiduel ( ResNet ) est un réseau neuronal artificiel (ANN). Il s'agit d'une variante du HighwayNet , le premier réseau neuronal à action directe très profond avec des centaines de couches, beaucoup plus profond que les réseaux neuronaux précédents. Les sauts de connexion ou "raccourcis" sont utilisés pour passer par-dessus certaines couches ( les HighwayNets peuvent également avoir des poids pour les saut eux-mêmes, grâce à une matrice de poids supplémentaire pour leurs portes).
Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
