Rayonnement cosmiqueLe rayonnement cosmique est le flux de noyaux atomiques et de particules de haute énergie (c'est-à-dire relativistes) qui circulent dans le milieu interstellaire. Le rayonnement cosmique est principalement constitué de particules chargées : protons (88 %), noyaux d'hélium (9 %), antiprotons, électrons, positrons et particules neutres (rayons gamma, neutrinos et neutrons). La source de ce rayonnement se situe selon les cas dans le Soleil, à l'intérieur ou à l'extérieur de notre galaxie.
Gerbe atmosphériqueUne gerbe atmosphérique (en anglais, extensive air shower) est une cascade de particules créée par l'interaction d'un rayon cosmique avec l'atmosphère. Cette interaction crée des particules secondaires, qui interagissent elles-mêmes avec l'atmosphère, créant ainsi d'autres particules, etc., jusqu'à ce que l'énergie des particules ne soit plus suffisante pour créer de nouvelles particules. On distingue les gerbes électromagnétiques, constituées de leptons et de photons, des gerbes hadroniques, qui contiennent également des hadrons.
Zetta-particuleLes zetta-particules (ou rayons cosmiques d'ultra haute énergie) sont des particules dont l'énergie estimée est de l'ordre du (, soit environ ). Les records actuels d'énergie pour une particule observée sont : par le Fly's Eye à l'Université de l'Utah, une zetta-particule de en octobre 1991. Probablement un proton ou un noyau atomique léger qui possédait une énergie équivalente à celle d'une balle de tennis frappée par un bon joueur. par l'Akeno Giant Air Shower Array (AGASA), une douche de particules résultant d'une zetta-particule de le .
H1 (détecteur de particules)vignette|Le détecteur de particules H1 H1 est une expérience de physique localisée sur l'accélérateur HERA du centre de recherche DESY à Hambourg (Allemagne). Son objectif scientifique principal est l'étude de la structure du proton. Ses mesures concernent également l'étude des interactions élémentaires et la physique au-delà du modèle standard. L'expérience H1 a été en service entre 1991 et 2007 (fermeture de l'accélérateur HERA). "Rapport sur le programme HERA et l'expérience H1", Document préparatoire au Conseil Scientifique de l’IN2P3 du < http://marh1. 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.
Spallation des rayons cosmiquesLa spallation des rayons cosmiques est un mécanisme de nucléosynthèse où la grande énergie cinétique des rayons cosmiques (essentiellement des protons) brise des nucléides croisant leur trajectoire et en forment de nouveaux (généralement de masse atomique plus petite). La présence des éléments légers tels que le lithium (dont un petit pourcentage s'est formé au cours de la nucléosynthèse primordiale), le béryllium et le bore, fut longtemps une énigme pour les astrophysiciens étant donné que la nucléosynthèse primordiale et les réactions nucléaires du cœur des étoiles sont plus propices à les détruire qu'à les synthétiser.
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.
Particle showerIn particle physics, a shower is a cascade of secondary particles produced as the result of a high-energy particle interacting with dense matter. The incoming particle interacts, producing multiple new particles with lesser energy; each of these then interacts, in the same way, a process that continues until many thousands, millions, or even billions of low-energy particles are produced. These are then stopped in the matter and absorbed. There are two basic types of showers.
Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Jet (physique des particules)A jet is a narrow cone of hadrons and other particles produced by the hadronization of a quark or gluon in a particle physics or heavy ion experiment. Particles carrying a color charge, such as quarks, cannot exist in free form because of quantum chromodynamics (QCD) confinement which only allows for colorless states. When an object containing color charge fragments, each fragment carries away some of the color charge. In order to obey confinement, these fragments create other colored objects around them to form colorless objects.
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.
Chambre à filsUne chambre à fils (ou plus précisément chambre proportionnelle multifilaire) est un détecteur de particules ionisées inventé en 1968 par Georges Charpak, ce qui lui vaut le prix Nobel de physique en 1992. Ce détecteur a rapidement remplacé la chambre à bulles qui nécessitait de photographier la trajectoire des particules et manquait de précision. Avec une chambre à fils, un traitement informatique des données est rendu possible, permettant ainsi de déterminer avec précision la trajectoire des particules qui la traversent.
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.
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.
Explainable artificial intelligenceExplainable AI (XAI), also known as Interpretable AI, or Explainable Machine Learning (XML), either refers to an AI system over which it is possible for humans to retain intellectual oversight, or to the methods to achieve this. The main focus is usually on the reasoning behind the decisions or predictions made by the AI which are made more understandable and transparent. XAI counters the "black box" tendency of machine learning, where even the AI's designers cannot explain why it arrived at a specific decision.
Réseaux antagonistes génératifsEn intelligence artificielle, les réseaux antagonistes génératifs (RAG) parfois aussi appelés réseaux adverses génératifs (en anglais generative adversarial networks ou GANs) sont une classe d'algorithmes d'apprentissage non supervisé. Ces algorithmes ont été introduits par . Ils permettent de générer des images avec un fort degré de réalisme. Un GAN est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex.
Particle identificationParticle identification is the process of using information left by a particle passing through a particle detector to identify the type of particle. Particle identification reduces backgrounds and improves measurement resolutions, and is essential to many analyses at particle detectors. Charged particles have been identified using a variety of techniques. All methods rely on a measurement of the momentum in a tracking chamber combined with a measurement of the velocity to determine the charged particle mass, and therefore its identity.
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.
Particule αLes particules alpha (ou rayons alpha) sont une forme de rayonnement émis, principalement, par des noyaux instables de grande masse atomique. Elles sont constituées de deux protons et deux neutrons combinés en une particule identique au noyau d' (hélion) ; elles peuvent donc s'écrire 4He2+. La masse d'une particule alpha est de , ce qui équivaut à une énergie de masse de . Radioactivité α Les particules alpha sont émises par des noyaux radioactifs, comme l'uranium ou le radium, par l'intermédiaire du processus de désintégration alpha.
Learning rateIn machine learning and statistics, the learning rate is a tuning parameter in an optimization algorithm that determines the step size at each iteration while moving toward a minimum of a loss function. Since it influences to what extent newly acquired information overrides old information, it metaphorically represents the speed at which a machine learning model "learns". In the adaptive control literature, the learning rate is commonly referred to as gain. In setting a learning rate, there is a trade-off between the rate of convergence and overshooting.
