Densité électroniqueright|thumb|300px|Carte de densité électronique dans le plan [1-10] du diamant. En mécanique quantique, et en particulier en chimie quantique, la densité électronique correspondant à une fonction d'onde N-électronique est la fonction monoélectronique donnée par : Dans le cas où est un déterminant de Slater constitué de N orbitales de spin : La densité électronique à deux électrons est donnée par : Ces quantités sont particulièrement importantes dans le contexte de la théorie de la fonctionnelle de la densité : Les coordonnées x utilisées ici sont les coordonnées spin-spatiales.
Régression linéaireEn statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
Densité de chargeLa densité de charge électrique désigne la quantité de charge électrique par unité d'espace. Selon que l'on considère un problème à 1, 2 ou 3 dimensions, c'est-à-dire une ligne, une surface ou un volume, on parlera de densité linéique, surfacique ou volumique de charge. Leurs unités sont respectivement le coulomb par mètre (), le coulomb par mètre carré () et le coulomb par mètre cube () dans le Système international. Comme il existe des charges négatives comme des charges positives, la densité de charge peut prendre des valeurs négatives.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
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.
Théorie de la fonctionnelle de la densitéLa théorie de la fonctionnelle de la densité (DFT, sigle pour Density Functional Theory) est une méthode de calcul quantique permettant l'étude de la structure électronique, en principe de manière exacte. Au début du , il s'agit de l'une des méthodes les plus utilisées dans les calculs quantiques aussi bien en physique de la matière condensée qu'en chimie quantique en raison de son application possible à des systèmes de tailles très variées, allant de quelques atomes à plusieurs centaines.
Régression (statistiques)En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. 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.
Régression logistiqueEn statistiques, la régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit d'expliquer au mieux une variable binaire (la présence ou l'absence d'une caractéristique donnée) par des observations réelles nombreuses, grâce à un modèle mathématique. En d'autres termes d'associer une variable aléatoire de Bernoulli (génériquement notée ) à un vecteur de variables aléatoires . La régression logistique constitue un cas particulier de modèle linéaire généralisé.
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.
Modèle de l'électron libreEn physique du solide, le modèle de l'électron libre est un modèle qui sert à étudier le comportement des électrons de valence dans la structure cristalline d'un solide métallique. Ce modèle, principalement développé par Arnold Sommerfeld, associe le modèle de Drude aux statistiques de Fermi-Dirac (mécanique quantique). Électron Particule dans réseau à une dimension 2.4 Modèle de sommerfeld ou de l'électron libre dans un puits de potentiel, sur le site garmanage.com Catégorie:Physique du solide Catégorie:É
Prédiction de la structure des protéinesLa prédiction de la structure des protéines est l'inférence de la structure tridimensionnelle des protéines à partir de leur séquences d'acides aminés, c'est-à-dire la prédiction de leur pliage et de leur structures secondaire et tertiaire à partir de leur structure primaire. La prédiction de la structure est fondamentalement différente du problème inverse de la conception des protéines. Elle est l'un des objectifs les plus importants poursuivis par la bioinformatique et la chimie théorique.
Prédiction de gènesEn bio-informatique, la prédiction de gènes consiste à identifier les zones de l'ADN qui correspondent à des gènes (le reste étant non codant). Les méthodes par similitudes, aussi appelées méthodes par homologie ou méthodes extrinsèques, consistent à utiliser des informations extérieures au génome pour trouver les gènes. Plus précisément, ces méthodes consistent à comparer la séquence étudiée avec des séquences connues, rassemblées dans les bases de données.
Algorithme d'apprentissage incrémentalEn informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.
Masse surfaciqueLa masse surfacique est une grandeur physique qui mesure la masse par unité de surface. Elle est généralement désignée par la lettre grecque σ. Son unité de mesure dans le Système international d'unités est le kilogramme par mètre carré ( ou ). La notion de masse surfacique est utilisée notamment pour caractériser les tissus, le papier, les tôles métalliques, les plaques d'isolation phonique... Dans le domaine de la papeterie elle correspond aux notions de grammage ou de force d'un papier.
ÉlectronL'électron, un des composants de l'atome avec les neutrons et les protons, est une particule élémentaire qui possède une charge élémentaire de signe négatif. Il est fondamental en chimie, car il participe à presque tous les types de réactions chimiques et constitue un élément primordial des liaisons présentes dans les molécules. En physique, l'électron intervient dans une multitude de rayonnements et d'effets.
Robust regressionIn robust statistics, robust regression seeks to overcome some limitations of traditional regression analysis. A regression analysis models the relationship between one or more independent variables and a dependent variable. Standard types of regression, such as ordinary least squares, have favourable properties if their underlying assumptions are true, but can give misleading results otherwise (i.e. are not robust to assumption violations).
ExplosifUn explosif est défini par un mélange de corps qui, lors de leur transformation, sont susceptibles de dégager en un temps très court un grand volume de gaz porté à haute température, ce qui constitue une explosion. Une charge explosive (en explosive charge) est une quantité mesurée de matière explosive. Le premier composé explosif était très probablement la poudre noire, communément appelée la poudre à canon. Sa première apparition date de 220 avant J.-C. lorsque des alchimistes chinois l'ont enflammée par accident.
Multinomial logistic regressionIn statistics, multinomial logistic regression is a classification method that generalizes logistic regression to multiclass problems, i.e. with more than two possible discrete outcomes. That is, it is a model that is used to predict the probabilities of the different possible outcomes of a categorically distributed dependent variable, given a set of independent variables (which may be real-valued, binary-valued, categorical-valued, etc.).
Densité d'états électroniquesEn physique du solide et physique de la matière condensée, la densité d'états électroniques, en anglais Density of States ou DOS, quantifie le nombre d'états électroniques susceptibles d’être occupés, et possédant une énergie donnée dans le matériau considéré. Elle est généralement notée par l'une des lettres g, ρ, D, n ou N. Plus précisément, on définit la densité d'états par le fait que est le nombre d'états électroniques disponibles, avec une énergie comprise entre et , par unité de volume du solide ou par maille élémentaire du cristal étudié.
Errors-in-variables modelsIn statistics, errors-in-variables models or measurement error models are regression models that account for measurement errors in the independent variables. In contrast, standard regression models assume that those regressors have been measured exactly, or observed without error; as such, those models account only for errors in the dependent variables, or responses. In the case when some regressors have been measured with errors, estimation based on the standard assumption leads to inconsistent estimates, meaning that the parameter estimates do not tend to the true values even in very large samples.
