Microscopie électronique en transmissionvignette|upright=1.5|Principe de fonctionnement du microscope électronique en transmission. vignette|Un microscope électronique en transmission (1976). La microscopie électronique en transmission (MET, ou TEM pour l'anglais transmission electron microscopy) est une technique de microscopie où un faisceau d'électrons est « transmis » à travers un échantillon très mince. Les effets d'interaction entre les électrons et l'échantillon donnent naissance à une image, dont la résolution peut atteindre 0,08 nanomètre (voire ).
Cryomicroscopie électroniquevignette|Un microscope électronique en transmission (2003). La cryomicroscopie électronique (cryo-ME) correspond à une technique particulière de préparation d’échantillons biologiques utilisée en microscopie électronique en transmission. Développée au début des années 1980, cette technique permet de réduire les dommages d’irradiation causés par le faisceau d’électrons. Elle permet également de préserver la morphologie et la structure des échantillons.
Microscope électronique en transmission à balayagevignette|Exemple de Microscope électronique en transmission à balayage VG501 Un microscope électronique en transmission à balayage (METB ou en anglais STEM pour scanning transmission electron microscope) est un type de microscope électronique dont le principe de fonctionnement allie certains aspects du microscope électronique à balayage et du microscope électronique en transmission. Une source d'électrons focalise un faisceau d'électrons qui traverse l'échantillon.
Microscope électroniquethumb|Microscope électronique construit par Ernst Ruska en 1933.thumb|Collection de microscopes électroniques anciens (National Museum of Health & Medicine). Un microscope électronique (ME) est un type de microscope qui utilise un faisceau d'électrons pour illuminer un échantillon et en créer une très agrandie. Il est inventé en 1931 par des ingénieurs allemands. Les microscopes électroniques ont un pouvoir de résolution supérieur aux microscopes optiques qui utilisent des rayonnements électromagnétiques visibles.
Electron tomographyElectron tomography (ET) is a tomography technique for obtaining detailed 3D structures of sub-cellular, macro-molecular, or materials specimens. Electron tomography is an extension of traditional transmission electron microscopy and uses a transmission electron microscope to collect the data. In the process, a beam of electrons is passed through the sample at incremental degrees of rotation around the center of the target sample. This information is collected and used to assemble a three-dimensional image of the target.
Tomographic reconstructionTomographic reconstruction is a type of multidimensional inverse problem where the challenge is to yield an estimate of a specific system from a finite number of projections. The mathematical basis for tomographic imaging was laid down by Johann Radon. A notable example of applications is the reconstruction of computed tomography (CT) where cross-sectional images of patients are obtained in non-invasive manner.
Iterative reconstructionIterative reconstruction refers to iterative algorithms used to reconstruct 2D and 3D images in certain imaging techniques. For example, in computed tomography an image must be reconstructed from projections of an object. Here, iterative reconstruction techniques are usually a better, but computationally more expensive alternative to the common filtered back projection (FBP) method, which directly calculates the image in a single reconstruction step.
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.
Diffraction des électronsLa diffraction des électrons est une technique utilisée pour l'étude de la matière qui consiste à bombarder d'électrons un échantillon et à observer la figure de diffraction résultante. Ce phénomène se produit en raison de la dualité onde-particule, qui fait qu'une particule matérielle (dans le cas de l'électron incident) peut être décrite comme une onde. Ainsi, un électron peut être considéré comme une onde, comme pour le son ou les vagues à la surface de l'eau. Cette technique est similaire à la diffraction X et à la diffraction de neutrons.
3D projectionA 3D projection (or graphical projection) is a design technique used to display a three-dimensional (3D) object on a two-dimensional (2D) surface. These projections rely on visual perspective and aspect analysis to project a complex object for viewing capability on a simpler plane. 3D projections use the primary qualities of an object's basic shape to create a map of points, that are then connected to one another to create a visual element.
Microscopie électronique à balayagethumb|right|Premier microscope électronique à balayage par M von Ardenne thumb|right|Microscope électronique à balayage JEOL JSM-6340F thumb|upright=1.5|Principe de fonctionnement du Microscope Électronique à Balayage La microscopie électronique à balayage (MEB) ou scanning electron microscope (SEM) en anglais est une technique de microscopie électronique capable de produire des images en haute résolution de la surface d’un échantillon en utilisant le principe des interactions électrons-matière.
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.
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.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Projection cartographiqueLa projection cartographique est un ensemble de techniques géodésiques permettant de représenter une surface non plane (surface de la Terre, d'un autre corps céleste, du ciel, ...) dans son ensemble ou en partie sur la surface plane d'une carte. L'impossibilité de projeter le globe terrestre sur une surface plane sans distorsion (Theorema egregium) explique que diverses projections aient été inventées, chacune ayant ses avantages. Le choix d'une projection et le passage d'une projection à une autre comptent parmi les difficultés mathématiques que les cartographes ont dû affronter.
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.
HolographieL'holographie est un procédé d'enregistrement de la phase et de l'amplitude de l'onde diffractée par un objet. Ce procédé d'enregistrement permet de restituer ultérieurement une image en trois dimensions de l'objet. Ceci est réalisé en utilisant les propriétés de la lumière cohérente issue des lasers. Le mot « holographie » vient du grec holos (« en entier ») et graphein (« écrire »). Holographie signifie donc « tout représenter ».
Angle de champEn photographie, l'angle de champ (en anglais, angle of view ou AOV) est l'angle que peut capter un dispositif optique. L'angle de champ est lié à la valeur de la distance focale utilisée et à la taille de la surface sensible. Une courte focale (objectif grand angle) fournira un grand angle de champ, alors qu'une longue focale (téléobjectif) donnera au contraire un angle de champ faible.
Apprentissage par renforcementEn intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome ( robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps. L'agent est plongé au sein d'un environnement et prend ses décisions en fonction de son état courant. En retour, l'environnement procure à l'agent une récompense, qui peut être positive ou négative.
3D scanning3D scanner is the process of analyzing a real-world object or environment to collect three dimensional data of its shape and possibly its appearance (e.g. color). The collected data can then be used to construct digital 3D models. A 3D scanner can be based on many different technologies, each with its own limitations, advantages and costs. Many limitations in the kind of objects that can be digitised are still present. For example, optical technology may encounter many difficulties with dark, shiny, reflective or transparent objects.
