Information quantiqueLa théorie de l'information quantique, parfois abrégée simplement en information quantique, est un développement de la théorie de l'information de Claude Shannon exploitant les propriétés de la mécanique quantique, notamment le principe de superposition ou encore l'intrication. L'unité qui est utilisée pour quantifier l'information quantique est le qubit, par analogie avec le bit d'information classique.
Quantum annealingQuantum annealing (QA) is an optimization process for finding the global minimum of a given objective function over a given set of candidate solutions (candidate states), by a process using quantum fluctuations. Quantum annealing is used mainly for problems where the search space is discrete (combinatorial optimization problems) with many local minima; such as finding the ground state of a spin glass or the traveling salesman problem. The term "quantum annealing" was first proposed in 1988 by B. Apolloni, N.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Biologie quantiqueLa biologie quantique est l'étude des applications de la mécanique quantique et de la chimie théorique aux objets et problèmes biologiques. De nombreux processus biologiques impliquent la conversion de l'énergie en des formes utilisables pour des transformations chimiques et sont de nature quantique. Ces processus impliquent des réactions chimiques, l'absorption de la lumière, la formation d'états électroniques excités, le transfert d'énergie d'excitation et le transfert d'électrons et de protons (ions hydrogène) dans des processus chimiques tels que la photosynthèse, l'olfaction et la respiration cellulaire.
Neural networkA neural network can refer to a neural circuit of biological neurons (sometimes also called a biological neural network), a network of artificial neurons or nodes in the case of an artificial neural network. Artificial neural networks are used for solving artificial intelligence (AI) problems; they model connections of biological neurons as weights between nodes. A positive weight reflects an excitatory connection, while negative values mean inhibitory connections. All inputs are modified by a weight and summed.
Stratégie de régulationUne stratégie (ou topologie) de régulation est, pour un procédé industriel, l'organisation du système de contrôle-commande en vue de maintenir une grandeur physique dans une plage de tolérance donnée. Le choix de stratégie est très important dans les industries de transformation (par exemple les industries chimiques, papetières, agroalimentaires) en raison de la variabilité d'un nombre élevé de grandeurs physiques incidentes (dites « perturbations ») qui y sont présentes.
Transmonvignette|Dispositif composé de quatre qubits transmon, de quatre bus quantiques et de quatre résonateurs de lecture fabriqués par IBM et présentés dans un article d'informatique quantique de 2017. En informatique quantique, un transmon est un type de supraconducteur qui a été conçu pour réduire la sensibilité au bruit de charge. Le transmon a été développé à l'université Yale en 2007. Son nom est une abréviation de transmission line shunted plasma oscillation qubit. Catégorie:Informatique quantique Catégori
Phase qubitIn quantum computing, and more specifically in superconducting quantum computing, the phase qubit is a superconducting device based on the superconductor–insulator–superconductor (SIS) Josephson junction, designed to operate as a quantum bit, or qubit. The phase qubit is closely related, yet distinct from, the flux qubit and the charge qubit, which are also quantum bits implemented by superconducting devices.
Transformeurvignette|Schéma représentant l'architecture générale d'un transformeur. Un transformeur (ou modèle auto-attentif) est un modèle d'apprentissage profond introduit en 2017, utilisé principalement dans le domaine du traitement automatique des langues (TAL). Dès 2020, les transformeurs commencent aussi à trouver une application en matière de vision par ordinateur par la création des vision transformers (ViT).
Apprentissage de représentationsEn apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.
