Learning rateIn machine learning and statistics, the learning rate is a tuning parameter in an optimization algorithm that determines the step size at each iteration while moving toward a minimum of a loss function. Since it influences to what extent newly acquired information overrides old information, it metaphorically represents the speed at which a machine learning model "learns". In the adaptive control literature, the learning rate is commonly referred to as gain. In setting a learning rate, there is a trade-off between the rate of convergence and overshooting.
Spectre d'émissionLe spectre d’émission d’une espèce chimique est l’intensité d’émission de ladite espèce à différentes longueurs d’onde quand elle retourne à des niveaux d’énergie inférieurs. Il est en général centré sur plusieurs pics. Comme le spectre d’absorption, il est caractéristique de l’espèce et peut être utilisé pour son identification. thumb|757px|center|Spectre d’émission du fer.thumb|757px|center|Spectre d’émission de l'hydrogène (série de Balmer dans le visible). Spectre électromagnétique | Raie spectrale Flu
Rayonnement cosmiqueLe rayonnement cosmique est le flux de noyaux atomiques et de particules de haute énergie (c'est-à-dire relativistes) qui circulent dans le milieu interstellaire. Le rayonnement cosmique est principalement constitué de particules chargées : protons (88 %), noyaux d'hélium (9 %), antiprotons, électrons, positrons et particules neutres (rayons gamma, neutrinos et neutrons). La source de ce rayonnement se situe selon les cas dans le Soleil, à l'intérieur ou à l'extérieur de notre galaxie.
Q-learningvignette|400x400px|Dans le Q-learning, l'agent exécute une action a en fonction de l'état s et d'une fonction Q. Il perçoit alors le nouvel état s' et une récompense r de l'environnement. Il met alors à jour la fonction Q. Le nouvel état s' devient alors l'état s, et l'apprentissage continue. En intelligence artificielle, plus précisément en apprentissage automatique, le Q-learning est un algorithme d'apprentissage par renforcement. Il ne nécessite aucun modèle initial de l'environnement.
Astronomie neutrinoL’astronomie neutrino (parfois astronomique neutrinique) est la branche de l'astronomie qui observe les objets célestes à l'aide de détecteurs de neutrinos, des leptons neutres de faible masse décrits par la théorie électrofaible. Étant donné leur très faible interaction avec la matière, les neutrinos ont la capacité de traverser des distances cosmologiques sans dévier de leur trajectoire initiale, faisant d'eux d'excellents messagers astronomiques permettant de retracer directement l'origine de leur lieu de production.
AstrophysiqueL’astrophysique (du grec astêr : étoile, astre et physis : science de la nature, physique) est une branche interdisciplinaire de l'astronomie qui concerne principalement la physique et l'étude des propriétés des objets de l'Univers (étoiles, planètes, galaxies, milieu interstellaire...), comme leur luminosité, leur densité, leur température et leur composition chimique. Au , les astronomes ont une formation en astrophysique et leurs observations sont généralement étudiées dans un contexte astrophysique, de sorte qu'il y a moins de distinction entre ces deux disciplines qu'auparavant.
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.
Transformeur génératif pré-entraînédroite|vignette| Architecture du modèle GPT Le transformeur génératif pré-entraîné (ou GPT, de l’anglais generative pre-trained transformer) est une famille de modèles de langage généralement formée sur un grand corpus de données textuelles pour générer un texte de type humain. Il est construit en utilisant plusieurs blocs de l'architecture du transformeur. Ils peuvent être affinés pour diverses tâches de traitement du langage naturel telles que la génération de texte, la traduction de langue et la classification de texte.
Spectre électromagnétiquevignette|redresse=1.5|Diagramme montrant le spectre électromagnétique dans lequel se distinguent plusieurs domaines spectraux en fonction des longueurs d'onde (avec des exemples de tailles), les fréquences correspondantes, et les températures du corps noir dont l'émission est maximum à ces longueurs d'onde. Le spectre électromagnétique est le classement des rayonnements électromagnétiques par fréquence et longueur d'onde dans le vide ou énergie photonique. Le spectre électromagnétique s'étend sans rupture de zéro à l'infini.
Modèle de fondationUn modèle de fondation est un modèle d'intelligence artificielle de grande taille, entraîné sur une grande quantité de données non étiquetées (généralement par apprentissage auto-supervisé ). Le modèle résultant peut être adapté à un large éventail de tâches en aval (downstream tasks en anglais). Depuis leur introduction en 2018, les modèles de fondation ont induit une transformation majeure dans la manière de construire les systèmes d'IA. Les premiers modèles de fondation étaient de grands modèles de langage pré-entraînés, notamment BERT et GPT-3.
Imagerie médicaleL'imagerie médicale regroupe les moyens d'acquisition et de restitution d'images du corps humain à partir de différents phénomènes physiques tels que l'absorption des rayons X, la résonance magnétique nucléaire, la réflexion d'ondes ultrasons ou la radioactivité auxquels on associe parfois les techniques d'imagerie optique comme l'endoscopie. Apparues, pour les plus anciennes, au tournant du , ces techniques ont révolutionné la médecine grâce au progrès de l'informatique en permettant de visualiser indirectement l'anatomie, la physiologie ou le métabolisme du corps humain.
Big dataLe big data ( « grosses données » en anglais), les mégadonnées ou les données massives, désigne les ressources d’informations dont les caractéristiques en termes de volume, de vélocité et de variété imposent l’utilisation de technologies et de méthodes analytiques particulières pour créer de la valeur, et qui dépassent en général les capacités d'une seule et unique machine et nécessitent des traitements parallélisés. L’explosion quantitative (et souvent redondante) des données numériques permet une nouvelle approche pour analyser le monde.
