Métamatériaux acoustiquesLes métamatériaux acoustiques sont des matériaux artificiels développés pour contrôler et manipuler les ondes acoustiques pouvant se propager dans des gaz, des liquides ou des solides. Initialement, ce domaine d'étude provient de la recherche de matériaux à indice de réfraction négatifs. Le contrôle des différentes formes d'ondes acoustiques ainsi générées est principalement réalisé grâce au contrôle du module d'élasticité β, de la densité ρ, ou de la .
SuperlentilleUne superlentille est une lentille optique élaborée avec des métamatériaux et permettant de distinguer des détails jusqu'à vingt fois inférieurs à la longueur d'onde d'utilisation. Une lentille classique est dite « limitée par la diffraction », c'est-à-dire que l'image la plus petite que l'on pourra obtenir sera toujours une tache d'Airy et donc possède un diamètre dépendant du diamètre de la lentille et de la longueur d'onde d'utilisation, limitant l'utilisation de lentilles classiques en verre optique à l'observation d'objet de quelques centaines de nanomètres.
MétamatériauEn physique, en électromagnétisme, le terme métamatériau désigne un matériau composite artificiel qui présente des propriétés électromagnétiques qu'on ne retrouve pas dans un matériau naturel. Il s'agit en général de structures périodiques, diélectriques ou métalliques, qui se comportent comme un matériau homogène n'existant pas à l'état naturel. Il existe plusieurs types de métamatériaux en électromagnétisme, les plus connus étant ceux susceptibles de présenter à la fois une permittivité et une perméabilité négatives.
Nonlinear metamaterialA nonlinear metamaterial is an artificially constructed material that can exhibit properties not yet found in nature. Its response to electromagnetic radiation can be characterized by its permittivity and material permeability. The product of the permittivity and permeability results in the refractive index. Unlike natural materials, nonlinear metamaterials can produce a negative refractive index. These can also produce a more pronounced nonlinear response than naturally occurring materials.
Metamaterial cloakingMetamaterial cloaking is the usage of metamaterials in an invisibility cloak. This is accomplished by manipulating the paths traversed by light through a novel optical material. Metamaterials direct and control the propagation and transmission of specified parts of the light spectrum and demonstrate the potential to render an object seemingly invisible. Metamaterial cloaking, based on transformation optics, describes the process of shielding something from view by controlling electromagnetic radiation.
Metamaterial antennaMetamaterial antennas are a class of antennas which use metamaterials to increase performance of miniaturized (electrically small) antenna systems. Their purpose, as with any electromagnetic antenna, is to launch energy into free space. However, this class of antenna incorporates metamaterials, which are materials engineered with novel, often microscopic, structures to produce unusual physical properties. Antenna designs incorporating metamaterials can step-up the antenna's radiated power.
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.
Terahertz metamaterialA terahertz metamaterial is a class of composite metamaterials designed to interact at terahertz (THz) frequencies. The terahertz frequency range used in materials research is usually defined as 0.1 to 10 THz. This bandwidth is also known as the terahertz gap because it is noticeably underutilized. This is because terahertz waves are electromagnetic waves with frequencies higher than microwaves but lower than infrared radiation and visible light.
Negative-index metamaterialNegative-index metamaterial or negative-index material (NIM) is a metamaterial whose refractive index for an electromagnetic wave has a negative value over some frequency range. NIMs are constructed of periodic basic parts called unit cells, which are usually significantly smaller than the wavelength of the externally applied electromagnetic radiation. The unit cells of the first experimentally investigated NIMs were constructed from circuit board material, or in other words, wires and dielectrics.
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.
History of metamaterialsThe history of metamaterials begins with artificial dielectrics in microwave engineering as it developed just after World War II. Yet, there are seminal explorations of artificial materials for manipulating electromagnetic waves at the end of the 19th century. Hence, the history of metamaterials is essentially a history of developing certain types of manufactured materials, which interact at radio frequency, microwave, and later optical frequencies.
Activity recognitionActivity recognition aims to recognize the actions and goals of one or more agents from a series of observations on the agents' actions and the environmental conditions. Since the 1980s, this research field has captured the attention of several computer science communities due to its strength in providing personalized support for many different applications and its connection to many different fields of study such as medicine, human-computer interaction, or sociology.
Near and far fieldThe near field and far field are regions of the electromagnetic (EM) field around an object, such as a transmitting antenna, or the result of radiation scattering off an object. Non-radiative near-field behaviors dominate close to the antenna or scattering object, while electromagnetic radiation far-field behaviors dominate at greater distances. Far-field E (electric) and B (magnetic) field strength decreases as the distance from the source increases, resulting in an inverse-square law for the radiated power intensity of electromagnetic radiation.
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.
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.
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.
Système de reconnaissance facialeUn système de reconnaissance faciale est une application logicielle visant à reconnaître automatiquement une personne grâce à son visage. Il s'agit d'un sujet particulièrement étudié en vision par ordinateur, avec de très nombreuses publications et brevets, et des conférences spécialisées. La reconnaissance de visage a de nombreuses applications en vidéosurveillance, biométrie, robotique, indexation d'images et de vidéos, , etc. Ces systèmes sont généralement utilisés à des fins de sécurité pour déverrouiller ordinateur/mobile/console, mais aussi en domotique.
Onde évanescenteL'onde plane évanescente est une onde plane particulière dont l'amplitude varie exponentiellement dans une direction orthogonale à sa direction de propagation. En supposant l'onde monochromatique, on peut en donner une expression mathématique utilisant la notation exponentielle : Le vecteur d'onde est un vecteur complexe. Sa partie réelle, , et sa partie imaginaire , sont deux vecteurs orthogonaux. La direction de propagation de l'onde est celle de la partie réelle.
Reconnaissance gestuelleGesture recognition is a topic in computer science and language technology with the goal of interpreting human gestures via mathematical algorithms. It is a subdiscipline of computer vision. Gestures can originate from any bodily motion or state, but commonly originate from the face or hand. Focuses in the field include emotion recognition from face and hand gesture recognition since they are all expressions. Users can make simple gestures to control or interact with devices without physically touching them.
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.
