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.
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.
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.
Q-learningvignette|400x400px|Dans le Q-learning, l'agent exécute une action a en fonction de l'état s et d'une fonction Q. Il perçoit alors le nouvel état s' et une récompense r de l'environnement. Il met alors à jour la fonction Q. Le nouvel état s' devient alors l'état s, et l'apprentissage continue. En intelligence artificielle, plus précisément en apprentissage automatique, le Q-learning est un algorithme d'apprentissage par renforcement. Il ne nécessite aucun modèle initial de l'environnement.
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.
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 .
MicroscopieLa microscopie est un ensemble de techniques d' des objets de petites dimensions. Quelle que soit la technique employée, l'appareil utilisé pour rendre possible cette observation est appelé un . Des mots grecs anciens mikros et skopein signifiant respectivement « petit » et « examiner », la microscopie désigne étymologiquement l'observation d'objets invisibles à l'œil nu. On distingue principalement trois types de microscopies : la microscopie optique, la microscopie électronique et la microscopie à sonde locale.
Microscopie à super-résolutionLa microscopie à super-résolution est un ensemble de techniques permettant d'imager en microscopie optique des objets à une résolution à l’échelle nanométrique. Elle se démarque par le fait que la résolution obtenue n'est plus limitée par le phénomène de diffraction. Du fait de la diffraction de la lumière, la résolution d’un microscope optique conventionnel est en principe limitée, indépendamment du capteur utilisé et des aberrations ou imperfections des lentilles.
Microscope optique en champ procheLe microscope optique en champ proche (MOCP, ou SNOM pour scanning near-field optical microscope ou NSOM pour near-field scanning optical microscopy) ou microscope optique à sonde locale (MOSL) est un type de microscope à sonde locale qui permet d'imager des objets à partir de la détection des ondes évanescentes confinées au voisinage de leur surface (détection en champ proche optique). Le MOCP permet de compenser la diffraction, une des limitations de la microscopie optique.
Photonic metamaterialA photonic metamaterial (PM), also known as an optical metamaterial, is a type of electromagnetic metamaterial, that interacts with light, covering terahertz (THz), infrared (IR) or visible wavelengths. The materials employ a periodic, cellular structure. The subwavelength periodicity distinguishes photonic metamaterials from photonic band gap or photonic crystal structures. The cells are on a scale that is magnitudes larger than the atom, yet much smaller than the radiated wavelength, are on the order of nanometers.
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.
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.
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 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.
Microscope confocalvignette|upright=2|Schéma de principe du microscope confocal par Marvin Minsky en 1957. vignette|upright=1.5|Principe de fonctionnement du microscope à fluorescence puis du microscope confocal. Un microscope confocal, appelé plus rarement microscope monofocal, est un microscope optique qui a la propriété de réaliser des images de très faible profondeur de champ (environ ) appelées « sections optiques ».
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.
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.
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.
Transformation opticsTransformation optics is a branch of optics which applies metamaterials to produce spatial variations, derived from coordinate transformations, which can direct chosen bandwidths of electromagnetic radiation. This can allow for the construction of new composite artificial devices, which probably could not exist without metamaterials and coordinate transformation. Computing power that became available in the late 1990s enables prescribed quantitative values for the permittivity and permeability, the constitutive parameters, which produce localized spatial variations.
Tunable metamaterialA tunable metamaterial is a metamaterial with a variable response to an incident electromagnetic wave. This includes remotely controlling how an incident electromagnetic wave (EM wave) interacts with a metamaterial. This translates into the capability to determine whether the EM wave is transmitted, reflected, or absorbed. In general, the lattice structure of the tunable metamaterial is adjustable in real time, making it possible to reconfigure a metamaterial device during operation.
