Échelle Rankine

Résumé

L'échelle Rankine est une échelle de température nommée en l'honneur de l'ingénieur et physicien écossais William John Macquorn Rankine, qui la proposa en 1859. Le zéro de l'échelle Rankine est celui de l'échelle kelvin, c'est-à-dire le zéro absolu. Donc = = zéro absolu. En revanche, l'unité utilisée par l'échelle Rankine est celle de l'échelle Fahrenheit. Par conséquent, une différence d'un degré Ra est égale à une différence d'un degré F.

Source officielle

https://fr.wikipedia.org/wiki/Échelle_Rankine

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Proximité ontologique

Physique

Thermodynamique: Statistical mechanics

Grandeur physique: Grandeur physique

Cours associés (1)

ME-409: Energy conversion and renewable energy

This course presents an overview of (i) the current energy system and uses (ii) the main principles of conventional and renewable energy technologies and (iii) the most important parameters that defin

Séances de cours associées (32)

Publications associées (14)

On double-descent in uncertainty quantification in overparametrized models

Florent Gérard Krzakala, Lenka Zdeborová, Lucas Andry Clarte, Bruno Loureiro, Bruno Loureiro

Uncertainty quantification is a central challenge in reliable and trustworthy machine learning. Naive measures such as last-layer scores are well-known to yield overconfident estimates in the context of overparametrized neural networks. Several methods, ra ...

PMLR Proceedings of Machine Learning Research2023

Expectation consistency for calibration of neural networks

Florent Gérard Krzakala, Lenka Zdeborová, Lucas Andry Clarte, Bruno Loureiro

Despite their incredible performance, it is well reported that deep neural networks tend to be overoptimistic about their prediction confidence. Finding effective and efficient calibration methods for neural networks is therefore an important endeavour tow ...

2023

Gravitational wave signal from primordial magnetic fields in the Pulsar Timing Array frequency band

Andrii Neronov

The NANOGrav, Parkes, European, and International Pulsar Timing Array (PTA) Collaborations have reported evidence for a common-spectrum process that can potentially correspond to a stochastic gravitational wave background (SGWB) in the 1-100 nHz frequency ...

AMER PHYSICAL SOC2022

Afficher plus

Concepts associés (12)