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.
Modélisation moléculairethumb|Animation d'un modèle compact d'ADN en forme B|327x327px|alt=Modèle de l'ADN en forme B La modélisation moléculaire est un ensemble de techniques pour modéliser ou simuler le comportement de molécules. Elle est utilisée pour reconstruire la structure tridimensionnelle de molécules, en particulier en biologie structurale, à partir de données expérimentales comme la cristallographie aux rayons X. Elle permet aussi de simuler le comportement dynamique des molécules et leur mouvements internes.
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.
Dynamique moléculaireLa dynamique moléculaire est une technique de simulation numérique permettant de modéliser l'évolution d'un système de particules au cours du temps. Elle est particulièrement utilisée en sciences des matériaux et pour l'étude des molécules organiques, des protéines, de la matière molle et des macromolécules. En pratique, la dynamique moléculaire consiste à simuler le mouvement d'un ensemble de quelques dizaines à quelques milliers de particules dans un certain environnement (température, pression, champ électromagnétique, conditions aux limites.
Molecular graphicsMolecular graphics is the discipline and philosophy of studying molecules and their properties through graphical representation. IUPAC limits the definition to representations on a "graphical display device". Ever since Dalton's atoms and Kekulé's benzene, there has been a rich history of hand-drawn atoms and molecules, and these representations have had an important influence on modern molecular graphics. Colour molecular graphics are often used on chemistry journal covers artistically.
Réseaux antagonistes génératifsEn intelligence artificielle, les réseaux antagonistes génératifs (RAG) parfois aussi appelés réseaux adverses génératifs (en anglais generative adversarial networks ou GANs) sont une classe d'algorithmes d'apprentissage non supervisé. Ces algorithmes ont été introduits par . Ils permettent de générer des images avec un fort degré de réalisme. Un GAN est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex.
Couplage croiséEn chimie organique, un couplage croisé est une réaction de couplage entre deux fragments moléculaires par formation d'une liaison carbone-carbone sous l'effet d'un catalyseur organométallique. Par exemple, un composé , où R est un fragment organique et M un métal du groupe principal, réagit avec un halogénure organique , où X est un halogène, pour former un produit . Les chimistes Richard Heck, Ei-ichi Negishi et Akira Suzuki ont reçu le prix Nobel de chimie 2010 pour avoir développé des réactions de couplage catalysées au palladium.
Craquage catalytiqueLe craquage catalytique est un craquage dans lequel les grosses molécules d'alcanes se brisent lorsqu'elles sont portées à environ. Il fut breveté par Eugène Houdry en 1928. En résultent un alcane et un alcène de masse molaire plus faible. Des catalyseurs à base de platine-molybdène sont utilisés pour favoriser et accélérer cette réaction de craquage. Les produits obtenus sont par exemple : des gaz de chauffe ; de la matière première, par exemple l'éthylène ; des essences ; après disparition de l'essence au plomb ; le plomb étant, en plus de sa toxicité, nocif pour les pots catalytiques.
Symétrie moléculaireEn chimie, la symétrie moléculaire décrit la symétrie présente dans les molécules ainsi que la classification de ces molécules en fonctions de leur symétrie. La symétrie moléculaire est un concept fondamental en chimie car elle permet de prévoir ou d'expliquer un grand nombre des propriétés chimiques des molécules telles que les transitions spectroscopiques permises ou encore la présence ou l'absence d'un moment dipolaire.
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).
Réaction de couplageEn chimie organique, une réaction de couplage est une transformation qui permet l'association de deux radicaux hydrocarbures, en général à l'aide d'un catalyseur métallique. Deux classifications sont possibles en fonction de la nature du produit formé ou de celle des réactifs mis en jeu : dans le premier cas, si le produit est symétrique (formé par l'association de deux molécules identiques), on parle d'homocouplage. Il s'agit en général de la réaction d'un halogénure aromatique avec une deuxième molécule identique ou de celle d'un organométallique de la même manière.
Modèle moléculaireUn modèle moléculaire est un modèle physique qui représente des molécules et leurs processus. Dans cet article, le "modèle moléculaire" fera principalement référence aux systèmes contenant plus d'un atome et où la structure nucléaire est négligée. La structure électronique est également souvent omise ou représentée de manière très sophistiquée. Les modèles physiques des systèmes atomistiques ont joué un rôle important dans la compréhension de la chimie et dans la génération et la vérification d'hypothèses.
Réaction de SuzukiLa réaction de Suzuki, réaction de Suzuki-Miyaura ou couplage de Suzuki-Miyaura est une réaction de couplage et utilisée en chimie organique dans laquelle un groupe aryle et un deuxième groupe aryle se condensent pour donner une seule molécule. Généralement, cette réaction utilise un acide boronique réagissant avec un dérivé halogéné, tel un brome ou un iode avec un catalyseur au palladium. Cette réaction chimique a été publiée pour la première fois en 1979 par Akira Suzuki (鈴木章) (qui a reçu le prix Nobel de chimie en 2010 pour cette découverte) et Norio Miyaura (宮浦憲夫).
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.
Liaison nucléaireLa liaison nucléaire est le phénomène qui assure la cohésion d'un noyau atomique. Le noyau atomique est composé de protons de charge électrique positive, et de neutrons de charge électrique nulle. La répulsion coulombienne tend à séparer les protons. C'est la force nucléaire qui permet d'assurer la stabilité du noyau. L'énergie de liaison E d'un noyau atomique est l'énergie qu'il faut fournir au noyau pour le dissocier en ses nucléons, qui s'attirent du fait de la force nucléaire, force qui correspond à l’interaction forte résiduelle.
Orbitale moléculairevignette|Orbitales moléculaires du 1,3-butadiène, montrant les deux orbitales occupées à l'état fondamental : π est liante entre tous les atomes, tandis que π n'est liante qu'entre les atomes C et C ainsi qu'entre les atomes C et C, et est antiliante entre C et C. En chimie quantique, une orbitale moléculaire est une fonction mathématique décrivant le comportement ondulatoire d'un électron dans une molécule.
Théorie de la fonctionnelle de la densitéLa théorie de la fonctionnelle de la densité (DFT, sigle pour Density Functional Theory) est une méthode de calcul quantique permettant l'étude de la structure électronique, en principe de manière exacte. Au début du , il s'agit de l'une des méthodes les plus utilisées dans les calculs quantiques aussi bien en physique de la matière condensée qu'en chimie quantique en raison de son application possible à des systèmes de tailles très variées, allant de quelques atomes à plusieurs centaines.
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.
Analyse sémantique latenteL’analyse sémantique latente (LSA, de l'anglais : Latent semantic analysis) ou indexation sémantique latente (ou LSI, de l'anglais : Latent semantic indexation) est un procédé de traitement des langues naturelles, dans le cadre de la sémantique vectorielle. La LSA fut brevetée en 1988 et publiée en 1990. Elle permet d'établir des relations entre un ensemble de documents et les termes qu'ils contiennent, en construisant des « concepts » liés aux documents et aux termes.
