Énergie durablevignette|L'investissement mondial dans les énergies propres devrait atteindre de dollars en 2023 ; parallèlement, pour la troisième année consécutive, l'investissement dans les énergies fossiles croît à nouveau. L'utilisation d’énergie est considérée comme durable si elle répond aux besoins du présent sans compromettre les besoins des générations futures. Les définitions de l'énergie durable incluent généralement des aspects environnementaux, comme les émissions de gaz à effet de serre, et des aspects sociaux et économiques, comme la précarité énergétique.
Energy developmentEnergy 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.
GraphèneLe graphène est un matériau bidimensionnel cristallin, forme allotropique du carbone dont l'empilement constitue le graphite. Cette définition théorique est donnée par le physicien en 1947. Par la suite, le travail de différents groupes de recherche permettra de se rendre compte que la structure du graphène tout comme ses propriétés ne sont pas uniques et dépendent de sa synthèse/extraction (détaillée dans la section Production).
Cellule CIGSLe sigle CIGS (pour les éléments chimiques cuivre, indium, gallium et sélénium) désigne à la fois : une technique d'élaboration des cellules photovoltaïques en couches minces et de haute performance. le matériau semiconducteur fait d'un alliage permettant de réaliser ces cellules. Dans le CIGS, la concentration d'indium et de gallium peut varier entre du séléniure de cuivre et d'indium (CIS) pur, et du séléniure de cuivre et de gallium (CGS) pur. C’est un semi-conducteur à structure de chalcopyrite.
Thermal energy storageThermal energy storage (TES) is achieved with widely different technologies. Depending on the specific technology, it allows excess thermal energy to be stored and used hours, days, months later, at scales ranging from the individual process, building, multiuser-building, district, town, or region. Usage examples are the balancing of energy demand between daytime and nighttime, storing summer heat for winter heating, or winter cold for summer air conditioning (Seasonal thermal energy storage).
Oxyde d'indium-étainL'oxyde d'indium-étain (ITO, pour l'anglais indium tin oxide), ou oxyde d'indium dopé à l'étain, est un mélange d'oxyde d'indium(III) et d'oxyde d'étain (IV) SnO, dans la proportion massique typique de 90 % du premier et 10 % du second. Ce composé est incolore et transparent en couches minces, de jaunâtre à gris sous forme massique. La caractéristique principale de l'oxyde d'indium-étain est sa combinaison de conductivité électrique et de transparence optique.
Énergie primaireUne 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.
Réduction de la dimensionnalitévignette|320x320px|Animation présentant la projection de points en deux dimensions sur les axes obtenus par analyse en composantes principales, une méthode populaire de réduction de la dimensionnalité La réduction de la dimensionnalité (ou réduction de (la) dimension) est un processus étudié en mathématiques et en informatique, qui consiste à prendre des données dans un espace de grande dimension, et à les remplacer par des données dans un espace de plus petite dimension.
Nonlinear dimensionality reductionNonlinear dimensionality reduction, also known as manifold learning, refers to various related techniques that aim to project high-dimensional data onto lower-dimensional latent manifolds, with the goal of either visualizing the data in the low-dimensional space, or learning the mapping (either from the high-dimensional space to the low-dimensional embedding or vice versa) itself. The techniques described below can be understood as generalizations of linear decomposition methods used for dimensionality reduction, such as singular value decomposition and principal component analysis.
