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 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.
Interaction spin-orbitevignette|Structures fines et hyperfines dans l'hydrogène. Le couplage des différents moments cinétiques conduit à la division du niveau d'énergie. Non dessiné à l'échelle. Le moment cinétique de spin électronique, S est couplé au moment cinétique orbital électronique, L, pour former le moment angulaire électronique total , J. Celui-ci est ensuite couplé au moment cinétique de spin nucléaire, I, pour former le moment cinétique total, F. Le terme symbole prend la forme 2S+1L avec les valeurs de L représentées par des lettres (S,P,D ,F ,G,H,.
Spin quantum numberIn physics, the spin quantum number is a quantum number (designated s) that describes the intrinsic angular momentum (or spin angular momentum, or simply spin) of an electron or other particle. It has the same value for all particles of the same type, such as s = 1/2 for all electrons. It is an integer for all bosons, such as photons, and a half-odd-integer for all fermions, such as electrons and protons. The component of the spin along a specified axis is given by the spin magnetic quantum number, conventionally written ms.
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.
Haut spin et bas spinEn chimie, l'état haut spin ou bas spin d'un métal de transition complexé avec des ligands décrit les différentes répartitions possibles des électrons issus des orbitales atomiques d du métal dans les orbitales moléculaires du complexe. Ces différentes configurations peuvent être représentées à l'aide des deux principaux modèles décrivant la structure électronique des complexes de coordination, la théorie du champ cristallin et la théorie du champ de ligands.
Apprentissage de représentationsEn apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.
Structure hyperfinevignette|Représentation schématique des niveaux fins et hyperfins de l’hydrogène. La structure hyperfine d’un niveau d’énergie dans un atome consiste en une séparation de ce niveau en états d’énergie très proches. Il s’observe essentiellement par une raie spectrale dans le domaine radio ou micro-onde, comme la raie à 21 centimètres de l’hydrogène atomique. La structure hyperfine s’explique en physique quantique comme une interaction entre deux dipôles magnétiques : Le dipôle magnétique nucléaire résultant du spin nucléaire ; Le dipôle magnétique électronique lié au moment cinétique orbital et au spin de l’électron.
Chimie quantiqueLa chimie quantique est une branche de la chimie théorique qui applique la mécanique quantique aux systèmes moléculaires pour étudier les processus et les propriétés chimiques. Le comportement électronique et nucléaire des molécules étant responsable des propriétés chimiques, il ne peut être décrit adéquatement qu'à partir de l'équation du mouvement quantique (équation de Schrödinger) et des autres postulats fondamentaux de la mécanique quantique. Cette nécessité a motivé le développement de concepts (notamment orbitale moléculaire.
SpinLe 'spin' () est, en physique quantique, une des propriétés internes des particules, au même titre que la masse ou la charge électrique. Comme d'autres observables quantiques, sa mesure donne des valeurs discrètes et est soumise au principe d'incertitude. C'est la seule observable quantique qui ne présente pas d'équivalent classique, contrairement, par exemple, à la position, l'impulsion ou l'énergie d'une particule. Il est toutefois souvent assimilé au moment cinétique (cf de cet article, ou Précession de Thomas).
Composant électroniqueUn composant électronique est un élément destiné à être assemblé avec d'autres afin de réaliser une ou plusieurs fonctions électroniques. Les composants forment de très nombreux types et catégories, ils répondent à divers standards de l'industrie aussi bien pour leurs caractéristiques électriques que pour leurs caractéristiques géométriques. Leur assemblage est préalablement défini par un schéma d'implantation d'un circuit électronique. alt=Un transistor, composant actif, boîtier ouvert.
Chimie numériqueLa chimie numérique ou chimie informatique, parfois aussi chimie computationnelle, est une branche de la chimie et de la physico-chimie qui utilise les lois de la chimie théorique exploitées dans des programmes informatiques spécifiques afin de calculer structures et propriétés d'objets chimiques tels que les molécules, les solides, les agrégats atomiques (ou clusters), les surfaces, etc., en appliquant autant que possible ces programmes à des problèmes chimiques réels.
Structure fineEn physique atomique, la structure fine décrit le dédoublement de raies spectrales d'un atome. Détectable par spectroscopie à haute résolution spectrale, la structure fine est un effet d'origine relativiste dont l'expression correcte se déduit à partir de l'équation relativiste pour les particules de spin 1/2 : l'équation de Dirac. Les raies denses observées dans les spectres sont prédites par l'étude de l'énergie d’interaction entre l’électron et le proton sans tenir compte du spin et des effets relativistes de l’électron.
Théorie de l'orbitale moléculaireLa théorie de l'orbitale moléculaire (TOM) est un des socles de la chimie théorique du . Jusqu'alors les chimistes théoriciens étaient prisonniers des succès du modèle de la liaison covalente de Lewis. Les méthodes spectroscopiques du montrent les limites de l'idée de liaisons localisées en résolvant des structures chimiques jusque-là inédites. Par exemple la mésomérie ou résonance était vue, à tort, comme le passage rapide d'une conformation à une autre (résonance de Kekulé), ce qui n'était pas vérifié ni dans le spectre infrarouge ni dans la réactivité de molécules comme le benzène.
Mécanique quantiqueLa mécanique quantique est la branche de la physique théorique qui a succédé à la théorie des quanta et à la mécanique ondulatoire pour étudier et décrire les phénomènes fondamentaux à l'œuvre dans les systèmes physiques, plus particulièrement à l'échelle atomique et subatomique. Elle fut développée dans les années 1920 par une dizaine de physiciens européens, pour résoudre des problèmes que la physique classique échouait à expliquer, comme le rayonnement du corps noir, l'effet photo-électrique, ou l'existence des raies spectrales.
Algorithme du gradient stochastiqueL'algorithme du gradient stochastique est une méthode de descente de gradient (itérative) utilisée pour la minimisation d'une fonction objectif qui est écrite comme une somme de fonctions différentiables. À la fois l'estimation statistique et l'apprentissage automatique s'intéressent au problème de la minimisation d'une fonction objectif qui a la forme d'une somme : où le paramètre qui minimise doit être estimé. Chacune des fonctions est généralement associée avec la -ème observation de l'ensemble des données (utilisées pour l'apprentissage).
Modèle statistiqueUn modèle statistique est une description mathématique approximative du mécanisme qui a généré les observations, que l'on suppose être un processus stochastique et non un processus déterministe. Il s’exprime généralement à l’aide d’une famille de distributions (ensemble de distributions) et d’hypothèses sur les variables aléatoires X1, . . ., Xn. Chaque membre de la famille est une approximation possible de F : l’inférence consiste donc à déterminer le membre qui s’accorde le mieux avec les données.
Spin representationIn mathematics, the spin representations are particular projective representations of the orthogonal or special orthogonal groups in arbitrary dimension and signature (i.e., including indefinite orthogonal groups). More precisely, they are two equivalent representations of the spin groups, which are double covers of the special orthogonal groups. They are usually studied over the real or complex numbers, but they can be defined over other fields. Elements of a spin representation are called spinors.
Nombre quantiqueLes nombres quantiques sont des ensembles de nombres définissant l'état quantique d'un système. Chacun de ces nombres définit la valeur d'une quantité conservée dans la dynamique d'un système quantique. Ce sont des nombres entiers ou demi-entiers, de sorte que les grandeurs observables correspondantes sont quantifiées et ne peuvent prendre que des valeurs discrètes : c'est une différence fondamentale entre la mécanique quantique et la mécanique classique, dans laquelle toutes ces grandeurs peuvent prendre des valeurs continues.
Apprentissage non superviséDans le domaine informatique et de l'intelligence artificielle, l'apprentissage non supervisé désigne la situation d'apprentissage automatique où les données ne sont pas étiquetées (par exemple étiquetées comme « balle » ou « poisson »). Il s'agit donc de découvrir les structures sous-jacentes à ces données non étiquetées. Puisque les données ne sont pas étiquetées, il est impossible à l'algorithme de calculer de façon certaine un score de réussite.
