Cellule photovoltaïque à pérovskiteUne cellule photovoltaïque à pérovskite est un type de cellule photovoltaïque dont la couche active est constituée d'un matériau de formule générale à structure pérovskite dans laquelle A est un cation, généralement de méthylammonium (MA), de formamidinium ou de césium , B est un cation d'étain ou de plomb , et X est un anion halogénure tel que chlorure , bromure ou iodure . Le rendement des cellules photovoltaïques utilisant ces matériaux est en constante augmentation depuis la fin des années 2000.
Cellule photovoltaïqueUne cellule photovoltaïque, ou cellule solaire, est un composant électronique qui, exposé à la lumière, produit de l’électricité grâce à l’effet photovoltaïque. La puissance électrique obtenue est proportionnelle à la puissance lumineuse incidente et elle dépend du rendement de la cellule. Celle-ci délivre une tension continue et un courant la traverse dès qu'elle est connectée à une charge électrique (en général un onduleur, parfois une simple batterie électrique).
Timeline of solar cellsIn the 19th century, it was observed that the sunlight striking certain materials generates detectable electric current – the photoelectric effect. This discovery laid the foundation for solar cells. Solar cells have gone on to be used in many applications. They have historically been used in situations where electrical power from the grid was unavailable. As the invention was brought out it made solar cells as a prominent utilization for power generation for satellites.
Film photovoltaïqueUn film photovoltaïque ou cellule solaire en couche mince ou encore couche mince photovoltaïque est une technologie de cellules photovoltaïques de deuxième génération, consistant à l'incorporation d'une ou plusieurs couches minces (ou TF pour ) de matériau photovoltaïque sur un substrat, tel que du verre, du plastique ou du métal. Les couches minces photovoltaïques commercialisées actuellement utilisent plusieurs matières, notamment le tellurure de cadmium (de formule CdTe), le diséléniure de cuivre-indium-gallium (CIGS) et le silicium amorphe (a-Si, TF-Si).
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.
Modèle de langageEn traitement automatique des langues, un modèle de langage ou modèle linguistique est un modèle statistique de la distribution de symboles distincts (lettres, phonèmes, mots) dans une langue naturelle. Un modèle de langage peut par exemple prédire le mot suivant dans une séquence de mots. Un modèle de langage n-gramme est un modèle de langage qui modélise des séquences de mots comme un processus de Markov. Il utilise l'hypothèse simplificatrice selon laquelle la probabilité du mot suivant dans une séquence ne dépend que d'une fenêtre de taille fixe de mots précédents.
Rendement d'une cellule photovoltaïquevignette| Meilleurs rendements de différentes technologies de cellules photovoltaïques mesurés en laboratoire depuis 1976. Le rendement d'une cellule photovoltaïque, parfois noté η, est le rapport entre l'énergie électrique générée par effet photovoltaïque d'une part et l'énergie électromagnétique reçue par la cellule photovoltaïque sous forme de rayonnement solaire d'autre part. Avec la latitude et le climat du lieu d'installation, le rendement des cellules solaires d'un dispositif photovoltaïque détermine la production d'énergie électrique annuelle du système.
Grand modèle de langageUn grand modèle de langage, grand modèle linguistique, grand modèle de langue, modèle massif de langage ou encore modèle de langage de grande taille (LLM, pour l'anglais large language model) est un modèle de langage possédant un grand nombre de paramètres (généralement de l'ordre du milliard de poids ou plus). Ce sont des réseaux de neurones profonds entraînés sur de grandes quantités de texte non étiqueté utilisant l'apprentissage auto-supervisé ou l'apprentissage semi-supervisé.
Régression linéaireEn statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
Régression (statistiques)En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. 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.
Adversarial machine learningAdversarial machine learning is the study of the attacks on machine learning algorithms, and of the defenses against such attacks. A survey from May 2020 exposes the fact that practitioners report a dire need for better protecting machine learning systems in industrial applications. To understand, note that most machine learning techniques are mostly designed to work on specific problem sets, under the assumption that the training and test data are generated from the same statistical distribution (IID).
Robust regressionIn robust statistics, robust regression seeks to overcome some limitations of traditional regression analysis. A regression analysis models the relationship between one or more independent variables and a dependent variable. Standard types of regression, such as ordinary least squares, have favourable properties if their underlying assumptions are true, but can give misleading results otherwise (i.e. are not robust to assumption violations).
Cellule solaire à pigment photosensibleUne cellule solaire à pigment photosensible parfois appelée cellules Grätzel (en anglais, Dye-sensitized solar cell ou DSC) est un système photoélectrochimique inspiré de la photosynthèse végétale qui, exposé à la lumière (photons), produit de l’électricité. Elle est souvent désignée par l'acronyme dérivé de son appellation en anglais : dye-sensitized solar cell, DSC, DSSc voire DYSC). Les cellules Grätzel ont été nommées ainsi en référence à son concepteur, Michael Grätzel, de l’École polytechnique fédérale de Lausanne.
Third-generation photovoltaic cellThird-generation photovoltaic cells are solar cells that are potentially able to overcome the Shockley–Queisser limit of 31–41% power efficiency for single bandgap solar cells. This includes a range of alternatives to cells made of semiconducting p-n junctions ("first generation") and thin film cells ("second generation"). Common third-generation systems include multi-layer ("tandem") cells made of amorphous silicon or gallium arsenide, while more theoretical developments include frequency conversion, (i.e.
Régression polynomialePolyreg scheffe.svg thumb|Régression sur un nuage de points par un polynôme de degré croissant. La régression polynomiale est une analyse statistique qui décrit la variation d'une variable aléatoire expliquée à partir d'une fonction polynomiale d'une variable aléatoire explicative. C'est un cas particulier de régression linéaire multiple, où les observations sont construites à partir des puissances d'une seule variable.
Hyperparameter optimizationIn machine learning, hyperparameter optimization or tuning is the problem of choosing a set of optimal hyperparameters for a learning algorithm. A hyperparameter is a parameter whose value is used to control the learning process. By contrast, the values of other parameters (typically node weights) are learned. The same kind of machine learning model can require different constraints, weights or learning rates to generalize different data patterns.
Errors-in-variables modelsIn statistics, errors-in-variables models or measurement error models are regression models that account for measurement errors in the independent variables. In contrast, standard regression models assume that those regressors have been measured exactly, or observed without error; as such, those models account only for errors in the dependent variables, or responses. In the case when some regressors have been measured with errors, estimation based on the standard assumption leads to inconsistent estimates, meaning that the parameter estimates do not tend to the true values even in very large samples.
Rétro-ingénierieLa rétro-ingénierie, ou ingénierie inversée, est l'activité qui consiste à étudier un pour en déterminer le fonctionnement interne. On parle également de rétro-conception dans le domaine du vivant. Le terme équivalent en anglais est reverse engineering. vignette|La rétro-ingénierie. Il peut s'agir de : comprendre le fonctionnement de l'objet, pour être en mesure de l'utiliser correctement, de le modifier, ou encore de s'assurer de son bon fonctionnement, le cas échéant dans un cadre pédagogique rappellent C.
Symbolic regressionSymbolic regression (SR) is a type of regression analysis that searches the space of mathematical expressions to find the model that best fits a given dataset, both in terms of accuracy and simplicity. No particular model is provided as a starting point for symbolic regression. Instead, initial expressions are formed by randomly combining mathematical building blocks such as mathematical operators, analytic functions, constants, and state variables.
Composant semi-conducteurvignette|Aperçu de quelques dispositifs semi-conducteurs encapsulés Un composant semi-conducteur est un composant électronique dont le fonctionnement repose sur les propriétés électroniques d'un matériau semi-conducteur (principalement le silicium, le germanium et l'arséniure de gallium, ainsi que des semi-conducteurs organiques). Sa conductivité se situe entre les conducteurs et les isolants. Les composants semi-conducteurs ont remplacé les tubes à vide dans la plupart des applications.
