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 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.
Boson vecteurEn physique des particules, un boson vecteur est un boson de spin égal à 1. Les bosons vecteurs considérés comme particules élémentaires dans le modèle standard sont les bosons de jauge, porteurs de force des interactions fondamentales : le photon de l'électromagnétisme, les bosons W et Z de l'interaction faible et les gluons de l'interaction forte. Certaines particules composites sont des bosons vecteurs, par exemple n'importe quel méson vecteur (quark et antiquark).
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.
Annihilation (physique)En physique, l’annihilation ou anéantissement correspond à la collision entre une particule sous-atomique et son antiparticule respective. Puisque l’énergie et la quantité de mouvement doivent être conservées, les particules ne se muent pas en rien, mais plutôt en nouvelles particules. Les antiparticules possèdent des nombres quantiques exactement opposés à ceux des particules, donc la somme des nombres quantiques du pair égale zéro.
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 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.
Interaction faiblethumb|right|330px|L'interaction faible déclenche la nucléosynthèse dans les étoiles. L'interaction faible (aussi appelée force faible et parfois force nucléaire faible) est l'une des quatre interactions fondamentales de la nature, les trois autres étant les interactions électromagnétique, forte et gravitationnelle. Elle est responsable de la désintégration radioactive de particules subatomiques et est à l'origine de la fusion nucléaire dans les étoiles.
Réseau de neurones de HopfieldLe réseau de neurones d'Hopfield est un modèle de réseau de neurones récurrents à temps discret dont la matrice des connexions est symétrique et nulle sur la diagonale et où la dynamique est asynchrone (un seul neurone est mis à jour à chaque unité de temps). Il a été popularisé par le physicien John Hopfield en 1982. Sa découverte a permis de relancer l'intérêt dans les réseaux de neurones qui s'était essoufflé durant les années 1970 à la suite d'un article de Marvin Minsky et Seymour Papert.
Bosons W et ZIn particle physics, the W and Z bosons are vector bosons that are together known as the weak bosons or more generally as the intermediate vector bosons. These elementary particles mediate the weak interaction; the respective symbols are _W boson+, _W boson-, and _Z boson0. The _W boson+- bosons have either a positive or negative electric charge of 1 elementary charge and are each other's antiparticles. The _Z boson0 boson is electrically neutral and is its own antiparticle. The three particles each have a spin of 1.
Boson de jaugeEn physique des particules, un boson de jauge est une particule élémentaire de la classe des bosons qui agit comme porteur d'une interaction élémentaire. Plus spécifiquement, les particules élémentaires dont les interactions sont décrites par une théorie de jauge exercent l'une sur l'autre des forces par échange de bosons de jauge, généralement sous forme de particules virtuelles. Le modèle standard décrit trois sortes de bosons de jauge : les photons, les bosons W et Z et les gluons.
BosonEn mécanique quantique, un boson est une particule subatomique de spin entier qui obéit à la statistique de Bose-Einstein. Le théorème spin-statistique différencie les bosons des fermions, qui ont un spin demi-entier. La famille des bosons inclut des particules élémentaires : les photons, les gluons, les bosons Z et W (ce sont les quatre bosons de jauge du modèle standard), le boson de Higgs (découvert en 2012), et le graviton encore théorique ; ainsi que des particules composites (les mésons et les noyaux qui ont un nombre de masse pair comme le deutérium, l'hélium 4 ou le plomb 208) ; et quelques quasi-particules (paires de Cooper, plasmons et phonons).
Physique nucléairevignette|Diagramme N-Z qui représente les isotopes pour chaque atome en physique nucléaire. La physique nucléaire est la science qui a pour objet l'étude du noyau atomique et des interactions dont il est le siège, c'est-à-dire l'étude du noyau atomique en tant que tel (par l'élaboration d'un modèle théorique décrivant son état fondamental, ses différents modes d'excitation et de désexcitation), mais aussi de la façon dont il interagit avec des particules élémentaires comme le proton ou les électrons, ou avec d'autres noyaux.
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.
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.
Réseau de neurones à impulsionsLes réseaux de neurones à impulsions (SNNs : Spiking Neural Networks, en anglais) sont un raffinement des réseaux de neurones artificiels (ANNs : Artificial Neural Networks, en anglais) où l’échange entre neurones repose sur l’intégration des impulsions et la redescente de l’activation, à l’instar des neurones naturels. L’encodage est donc temporel et binaire. Le caractère binaire pose une difficulté de continuité au sens mathématique (cela empêche notamment l’utilisation des techniques de rétropropagation des coefficients - telle que la descente de gradient - utilisées classiquement dans les méthodes d'apprentissage).
Interaction fortethumb|250px|alt=Représentation des quarks dans un proton : deux quarks Up et un quark Down, chacun d'un couleur différente, liés par l'interaction forte.|L'interaction forte lie les quarks dans les nucléons, ici dans un proton. L'interaction forte, ou force forte, appelée parfois force de couleur, ou interaction nucléaire forte, est l'une des trois interactions entre particules élémentaires de la matière dans le modèle standard aux côtés de l'interaction électromagnétique et de l'interaction faible.
Classement automatiquevignette|La fonction 1-x^2-2exp(-100x^2) (rouge) et les valeurs déplacées par un bruit de 0,1*N(0,1). Le classement automatique ou classification supervisée est la catégorisation algorithmique d'objets. Elle consiste à attribuer une classe ou catégorie à chaque objet (ou individu) à classer, en se fondant sur des données statistiques. Elle fait couramment appel à l'apprentissage automatique et est largement utilisée en reconnaissance de formes. En français, le classement fait référence à l'action de classer donc de « ranger dans une classe ».
Physique des particulesLa physique des particules ou la physique subatomique est la branche de la physique qui étudie les constituants élémentaires de la matière et les rayonnements, ainsi que leurs interactions. On l'appelle aussi parfois physique des hautes énergies car de nombreuses particules élémentaires, instables, n'existent pas à l'état naturel et peuvent seulement être détectées lors de collisions à hautes énergies entre particules stables dans les accélérateurs de particules.
Neurone formelthumb|Représentation d'un neurone formel (ou logique). Un neurone formel, parfois appelé neurone de McCulloch-Pitts, est une représentation mathématique et informatique d'un neurone biologique. Le neurone formel possède généralement plusieurs entrées et une sortie qui correspondent respectivement aux dendrites et au cône d'émergence du neurone biologique (point de départ de l'axone). Les actions excitatrices et inhibitrices des synapses sont représentées, la plupart du temps, par des coefficients numériques (les poids synaptiques) associés aux entrées.
