Énergie cinétiqueEn physique, l' est l’énergie que possède un corps du fait de son mouvement dans un référentiel donné. L'énergie cinétique n'est pas un invariant galiléen, c'est-à-dire que sa valeur dépend du référentiel choisi. Son unité est le joule. L'énergie cinétique d'un point matériel dans un référentiel galiléen est égale au travaux des forces appliquées pour faire passer le point du repos à un mouvement. vignette|Les wagons des montagnes russes possèdent une énergie cinétique maximale en bas de leur parcours.
Théorie des cordesEn physique fondamentale, la théorie des cordes est un cadre théorique dans lequel les particules ponctuelles de la physique des particules sont représentées par des objets unidimensionnels appelés cordes. La théorie décrit comment ces cordes se propagent dans l'espace et interagissent les unes avec les autres. Sur des échelles de distance supérieures à l'échelle de la corde, cette dernière ressemble à une particule ordinaire, avec ses propriétés de masse, de charge et autres, déterminées par l'état vibratoire de la corde.
Théorie quantique des champsvignette|296x296px|Ce diagramme de Feynman représente l'annihilation d'un électron et d'un positron, qui produit un photon (représenté par une ligne ondulée bleue). Ce photon se décompose en une paire quark-antiquark, puis l'antiquark émet un gluon (représenté par la courbe verte). Ce type de diagramme permet à la fois de représenter approximativement les processus physiques mais également de calculer précisément leurs propriétés, comme la section efficace de collision.
Diffusion modelIn machine learning, diffusion models, also known as diffusion probabilistic models or score-based generative models, are a class of latent variable models. They are Markov chains trained using variational inference. The goal of diffusion models is to learn the latent structure of a dataset by modeling the way in which data points diffuse through the latent space. In computer vision, this means that a neural network is trained to denoise images blurred with Gaussian noise by learning to reverse the diffusion process.
ProtonLe proton est une particule subatomique portant une charge électrique élémentaire positive. Les protons sont présents dans les noyaux atomiques, généralement liés à des neutrons par l'interaction forte (la seule exception, mais celle du nucléide le plus abondant de l'univers, est le noyau d'hydrogène ordinaire (protiumH), un simple proton). Le nombre de protons d'un noyau est représenté par son numéro atomique Z. Le proton n'est pas une particule élémentaire mais une particule composite.
Théorie de jaugeEn physique théorique, une théorie de jauge est une théorie des champs basée sur un groupe de symétrie locale, appelé groupe de jauge, définissant une « invariance de jauge ». Le prototype le plus simple de théorie de jauge est l'électrodynamique classique de Maxwell. L'expression « invariance de jauge » a été introduite en 1918 par le mathématicien et physicien Hermann Weyl. La première théorie des champs à avoir une symétrie de jauge était la formulation de l'électrodynamisme de Maxwell en 1864 dans .
Matière noirevignette|redresse=1.1|Répartition de la densité d'énergie de l'Univers après exploitation des premières données du satellite Planck. La matière noire en est une des composantes principales. La matière noire ou matière sombre, est une catégorie de matière hypothétique, invoquée dans le cadre du Modèle ΛCDM pour rendre compte de certaines observations astrophysiques, notamment les estimations de la masse des galaxies ou des amas de galaxies et les propriétés des fluctuations du fond diffus cosmologique.
Weakly interacting massive particlesEn astrophysique, les WIMPs (acronyme anglais pour Weakly Interacting Massive Particles, pouvant se traduire par « particules massives interagissant faiblement ») sont des particules hypothétiques constituant une solution au problème de la matière noire. En dehors des interactions gravitationnelles, ces particules interagissent très faiblement avec la matière ordinaire (nucléons, électrons), leur section efficace d'interaction est de l'ordre du picobarn.
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.
Google (moteur de recherche)Google est un moteur de recherche gratuit et libre d'accès sur le World Wide Web, ayant donné son nom à la société Google. C'est aujourd'hui le moteur de recherche et le site web le plus visité au monde : 90 % des internautes l'utilisaient en 2018. Le nom Google vient du mot Gogol, nom donné au nombre . Ce nombre a été choisi pour évoquer la capacité de Google à traiter une très grande quantité de données.
Symbolic artificial intelligenceIn artificial intelligence, symbolic artificial intelligence is the term for the collection of all methods in artificial intelligence research that are based on high-level symbolic (human-readable) representations of problems, logic and search. Symbolic AI used tools such as logic programming, production rules, semantic nets and frames, and it developed applications such as knowledge-based systems (in particular, expert systems), symbolic mathematics, automated theorem provers, ontologies, the semantic web, and automated planning and scheduling systems.
NeuroevolutionNeuroevolution, or neuro-evolution, is a form of artificial intelligence that uses evolutionary algorithms to generate artificial neural networks (ANN), parameters, and rules. It is most commonly applied in artificial life, general game playing and evolutionary robotics. The main benefit is that neuroevolution can be applied more widely than supervised learning algorithms, which require a syllabus of correct input-output pairs. In contrast, neuroevolution requires only a measure of a network's performance at a task.
