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.
MicrofluidiqueLa microfluidique est la science et la technique des systèmes manipulant des fluides et dont au moins l'une des dimensions caractéristiques est de l'ordre du micromètre. George Whitesides définit la microfluidique comme « la science et la technologie des systèmes qui manipulent de petits volumes de fluides ( à ), en utilisant des canaux de la dimension de quelques dizaines de micromètres ». Selon Patrick Tabeling, Tabeling précise qu'il entend essentiellement par « nouvelles techniques » la microfabrication héritée de la micro-électronique.
Réseau de neurones à propagation avantUn réseau de neurones à propagation avant, en anglais feedforward neural network, est un réseau de neurones artificiels acyclique, se distinguant ainsi des réseaux de neurones récurrents. Le plus connu est le perceptron multicouche qui est une extension du premier réseau de neurones artificiel, le perceptron inventé en 1957 par Frank Rosenblatt. vignette|Réseau de neurones à propagation avant Le réseau de neurones à propagation avant est le premier type de réseau neuronal artificiel conçu. C'est aussi le plus simple.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Réseau de neurones récurrentsUn réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.
Types of artificial neural networksThere are many types of artificial neural networks (ANN). Artificial neural networks are computational models inspired by biological neural networks, and are used to approximate functions that are generally unknown. Particularly, they are inspired by the behaviour of neurons and the electrical signals they convey between input (such as from the eyes or nerve endings in the hand), processing, and output from the brain (such as reacting to light, touch, or heat). The way neurons semantically communicate is an area of ongoing research.
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.
Droplet-based microfluidicsDroplet-based microfluidics manipulate discrete volumes of fluids in immiscible phases with low Reynolds number and laminar flow regimes. Interest in droplet-based microfluidics systems has been growing substantially in past decades. Microdroplets offer the feasibility of handling miniature volumes (μl to fl) of fluids conveniently, provide better mixing, encapsulation, sorting, sensing and are suitable for high throughput experiments.
Laboratoire sur puceUn laboratoire sur puce est un dispositif intégré rassemblant, sur un substrat miniaturisé, une ou plusieurs fonctions de laboratoire. L'analyse du vivant regroupe trois des quatre raisons majeures ayant entraîné le développement de la microfluidique ; elle représente par conséquent une large part des applications. On considère généralement que le premier dispositif microfluidique d'analyse est celui développé par Terry et al. ; ceux-ci réalisent en 1979 un système miniaturisé d'analyse de gaz par chromatographie sur un substrat de silicium.
InfrarougeLe rayonnement infrarouge (IR) est un rayonnement électromagnétique de longueur d'onde supérieure à celle du spectre visible mais plus courte que celle des micro-ondes ou du domaine térahertz. Cette gamme de longueurs d'onde dans le vide de à se divise en infrarouge proche, au sens de proche du spectre visible, de environ, infrarouge moyen, qui s'étend jusqu'à , et infrarouge lointain. Les limites de ces domaines peuvent varier quelque peu d'un auteur à l'autre.
Paper-based microfluidicsPaper-based microfluidics are microfluidic devices that consist of a series of hydrophilic cellulose or nitrocellulose fibers that transport fluid from an inlet through the porous medium to a desired outlet or region of the device, by means of capillary action. This technology builds on the conventional lateral flow test which is capable of detecting many infectious agents and chemical contaminants. The main advantage of this is that it is largely a passively controlled device unlike more complex microfluidic devices.
Spectroscopie dans l'infrarouge procheLa spectroscopie dans l'infrarouge proche (ou dans le proche infrarouge, SPIR), souvent désignée par son sigle anglais NIRS (near-infrared spectroscopy), est une technique de mesure et d'analyse des spectres de réflexion dans la gamme de longueurs d'onde (l'infrarouge proche). Cette technique est largement utilisée dans les domaines de la chimie (polymères, pétrochimie, industrie pharmaceutique), de l’alimentation, de l’agriculture ainsi qu'en planétologie. À ces longueurs d’onde, les liaisons chimiques qui peuvent être analysées sont C-H, O-H et N-H.
Spectroscopie infrarouge à transformée de FourierLa spectroscopie infrarouge à transformée de Fourier ou spectroscopie IRTF (ou encore FTIR, de l'anglais Fourier Transform InfraRed spectroscopy) est une technique utilisée pour obtenir le spectre d'absorption, d'émission, la photoconductivité ou la diffusion Raman dans l'infrarouge d'un échantillon solide, liquide ou gazeux. Un spectromètre FTIR permet de collecter simultanément les données spectrales sur un spectre large.
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.
Transformeurvignette|Schéma représentant l'architecture générale d'un transformeur. Un transformeur (ou modèle auto-attentif) est un modèle d'apprentissage profond introduit en 2017, utilisé principalement dans le domaine du traitement automatique des langues (TAL). Dès 2020, les transformeurs commencent aussi à trouver une application en matière de vision par ordinateur par la création des vision transformers (ViT).
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.
Spectroscopie infrarougethumb|Un spectromètre infrarouge. La spectroscopie infrarouge (parfois désignée comme spectroscopie IR) est une classe de spectroscopie qui traite de la région infrarouge du spectre électromagnétique. Elle recouvre une large gamme de techniques, la plus commune étant un type de spectroscopie d'absorption. Comme pour toutes les techniques de spectroscopie, elle peut être employée pour l'identification de composés ou pour déterminer la composition d'un échantillon.
Apprentissage auto-superviséL'apprentissage auto-supervisé ("self-supervised learning" en anglais) (SSL) est une méthode d'apprentissage automatique. Il apprend à partir d'échantillons de données non étiquetés. Il peut être considéré comme une forme intermédiaire entre l'apprentissage supervisé et non supervisé. Il est basé sur un réseau de neurones artificiels. Le réseau de neurones apprend en deux étapes. Tout d'abord, la tâche est résolue sur la base de pseudo-étiquettes qui aident à initialiser les poids du réseau.
Drug developmentDrug development is the process of bringing a new pharmaceutical drug to the market once a lead compound has been identified through the process of drug discovery. It includes preclinical research on microorganisms and animals, filing for regulatory status, such as via the United States Food and Drug Administration for an investigational new drug to initiate clinical trials on humans, and may include the step of obtaining regulatory approval with a new drug application to market the drug.
