Apprentissage automatique: Physique et Données

Cette séance de cours explore l'intersection entre la physique et les données dans le contexte de l'apprentissage automatique, couvrant des sujets tels que la ligne mince entre la physique et les données, les champs de force d'expansion des grappes atomiques, l'identification automatisée des variables collectives et l'apprentissage non supervisé dans les simulations atomistiques. Il se penche sur les défis et les progrès dans l'adaptation des potentiels d'apprentissage automatique, les pionniers de l'adaptation de l'apprentissage automatique et l'importance de la représentation dans les modèles d'apprentissage automatique. La séance de cours traite également de la régression, de la perte et de la complexité des modèles d'apprentissage automatique, des courbes d'apprentissage et de la signification de la symétrie et de la localité dans l'apprentissage automatique atomistique.