Apprentissage actif pour le design moléculaire

Cette séance de cours de l'instructeur couvre les bases des approches d'apprentissage automatique pour remplacer le processus de création d'idées pour les matériaux à tester, à déduire si elles sont réalisables, et à concevoir des expériences. L'exposé se penche sur la théorie qui sous-tend ces techniques, fournit des exemples pratiques tirés de la littérature récente et identifie les logiciels d'exemple comme points de départ pour l'utilisation de ces techniques dans la recherche. La séance de cours passe de la discussion sur le rôle de l'instructeur dans divers projets à la mise en évidence de l'importance de l'éducation dans l'IA pour le matériel. Il aborde également les défis et les progrès de l'IA générative pour aider la créativité humaine dans la conception matérielle.

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.

Séances de cours associées (244)

Concepts associés (147)

ChE-605: AI in chemistry and beyond:Highlights in the field

Should have expertise in chemistry, physics or lite and material sciences. Although a very good knowledge in Al-based algorithms is required to fully understand the technical details, a basic knowledg

Transition énergétique

La transition énergétique désigne à la fois l'évolution passée de la répartition des énergies consommées sur la planète (bois, hydroélectricité, charbon, pétrole, gaz naturel, nucléaire, etc.) et, pour l'avenir, l'objectif politique et technique d'une modification structurelle profonde des modes de production et de consommation de l'énergie. C'est l'un des volets de la transition écologique.

Énergie primaire

Une source d’énergie primaire est une forme d’énergie disponible dans la nature avant toute transformation. Si elle n’est pas utilisable directement, elle doit être transformée en une source d’énergie secondaire pour être utilisable et transportable facilement. Dans l'industrie de l'énergie, on distingue la production d'énergie primaire, de son stockage et son transport sous la forme de vecteurs d'énergie et de la consommation d'énergie finale.

Politique énergétique

La politique énergétique est la politique adoptée par une entité vis-à-vis de la gestion de l'énergie. Elle a notamment une dimension géopolitique. Académies suisses des sciences, « Instruments pour une politique climatique et énergétique efficace », fiche d'information, 2019. Agence internationale de l'énergie Certificat économie énergie Dépendance au pétrole Direction générale de l'énergie et des matières premières Politique climatique Politique énergétique de l'Union européenne Politiques publiques de rénovation énergétique Sécurité énergétique Les invariants de l'énergie, conférence de Samuele Furfari sur la consommation d'énergie par l'homme (dépendance, ressources et contexte géopolitique).

Energy development

Energy development is the field of activities focused on obtaining sources of energy from natural resources. These activities include the production of renewable, nuclear, and fossil fuel derived sources of energy, and for the recovery and reuse of energy that would otherwise be wasted. Energy conservation and efficiency measures reduce the demand for energy development, and can have benefits to society with improvements to environmental issues.

Apprentissage automatique

L'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.

Analyse des documents : Modélisation des sujets DH-406: Machine learning for DH

Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.

Modèles Vision-Langue-Action : Formation et applications

Se penche sur la formation et les applications des modèles Vision-Language-Action, en mettant l'accent sur le rôle des grands modèles linguistiques dans le contrôle robotique et le transfert des connaissances web. Les résultats des expériences et les orientations futures de la recherche sont mis en évidence.

Fondements de l'apprentissage automatique DH-406: Machine learning for DH

Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.

Réseaux neuronaux : formation et activation CIVIL-226: Introduction to machine learning for engineers

Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.

Apprendre du monde interconnecté avec les graphiques

Explore l'apprentissage de données interconnectées à l'aide de graphiques, couvrant les défis, la conception du GNN, les paysages de recherche et la démocratisation du graphique ML.