Coefficient de transfert thermiqueLe coefficient de transfert thermique ou coefficient de transmission thermique est un coefficient quantifiant le flux d'énergie traversant un milieu, par unité de surface, de volume ou de longueur. L'inverse du coefficient de transfert thermique est la résistance thermique. C'est un terme important dans l'équation d'un transfert thermique et permet d'indiquer la facilité avec laquelle l'énergie thermique passe un obstacle ou un milieu. Dans le cas d'un transfert surfacique, il est appelé coefficient de transfert thermique surfacique ou résistance thermique d'interface.
Capacité thermique massiqueLa capacité thermique massique (symbole usuel c), anciennement appelée chaleur massique ou chaleur spécifique, est la capacité thermique d'un matériau rapportée à sa masse. C'est une grandeur qui reflète la capacité d'un matériau à accumuler de l'énergie sous forme thermique, pour une masse donnée, quand sa température augmente. Une grande capacité thermique signifie qu'une grande quantité d'énergie peut être stockée, moyennant une augmentation relativement faible de la température.
Champ (physique)En physique, un champ est la donnée, pour chaque point de l'espace-temps, de la valeur d'une grandeur physique. Cette grandeur physique peut être scalaire (température, pression...), vectorielle (vitesse des particules d'un fluide, champ électrique...) ou tensorielle (comme le tenseur de Ricci en relativité générale). Un exemple de champ scalaire est donné par la carte des températures d'un bulletin météorologique télévisé : la température atmosphérique prend, en chaque point, une valeur particulière.
Équation de SchrödingerL'équation de Schrödinger, conçue par le physicien autrichien Erwin Schrödinger en 1925, est une équation fondamentale en mécanique quantique. Elle décrit l'évolution dans le temps d'une particule massive non relativiste, et remplit ainsi le même rôle que la relation fondamentale de la dynamique en mécanique classique. Au début du , il était devenu clair que la lumière présentait une dualité onde-corpuscule, c'est-à-dire qu'elle pouvait se manifester, selon les circonstances, soit comme une particule, le photon, soit comme une onde électromagnétique.
Symbolic artificial intelligenceIn artificial intelligence, symbolic artificial intelligence is the term for the collection of all methods in artificial intelligence research that are based on high-level symbolic (human-readable) representations of problems, logic and search. Symbolic AI used tools such as logic programming, production rules, semantic nets and frames, and it developed applications such as knowledge-based systems (in particular, expert systems), symbolic mathematics, automated theorem provers, ontologies, the semantic web, and automated planning and scheduling systems.
BitcoinLe 'Bitcoin' (₿, BTC, XBT) (de l'anglais bit : unité d'information binaire et coin ) est une cryptomonnaie autrement appelée monnaie cryptographique. Dans le cas de la dénomination unitaire, on l'écrit et, dans le cas du système de paiement pair-à-pair on l'écrit . L'idée fut présentée pour la première fois en novembre 2008 par une personne, ou un groupe de personnes, sous le pseudonyme de Satoshi Nakamoto. Le code source de l'implémentation de référence fut quant à lui publié en 2009.
Preuve de travailUn système de validation par preuve de travail (en anglais : proof of work, PoW) est, en informatique, un protocole permettant de repousser, sur un environnement client-serveur, des attaques par déni de service ou d'autres abus de service tels que les spams. Ce système de preuve de travail est utilisé dans des cadres beaucoup plus complexes, pour la validation des transactions de la blockchain de certaines crypto-monnaies comme le Bitcoin. Cette vérification par les mineurs de bitcoins est récompensée par l'émission de nouveaux bitcoins au bénéfice des vérificateurs.
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.
