Résultats de recherche
Mot-clé：apprentissage automatique
Le projet américain STREAMLINE utilise l'intelligence artificielle pour faire progresser la recherche sur le problème quantique à N corps en physique nucléaire
Le 25 août 2026, un nouveau projet nommé STREAMLINE combine l'intelligence artificielle, l'apprentissage automatique et le supercalcul pour résoudre le problème quantique à N corps dans la recherche en physique nucléaire, avec pour objectif de simuler plus précisément les interactions entre protons et neutrons à l'intérieur du noyau atomique, et de fournir un soutien théorique à des questions de pointe telles que les étoiles à neutrons et les interactions fondamentales. La difficulté du problème quantique à N corps réside dans le fait que, à mesure que le nombre de particules augmente, les interactions possibles entre elles croissent rapidement, et les méthodes de calcul traditionnelles atteignent rapidement les limites de la puissance de calcul. Même avec des supercalculateurs haute performance, on ne peut généralement traiter que des systèmes quantiques de taille relativement limitée. Le projet STREAMLINE espère...
2026-08-26
Des chercheurs russes développent un modèle d'apprentissage automatique pour prédire la stabilité des complexes de terres rares et d'actinides
Des chercheurs du laboratoire interdisciplinaire de conception chimique intelligente du département de chimie de l'Université d'État de Moscou, en collaboration avec leurs collègues du département de mécanique et de mathématiques, ont développé un nouveau modèle d'apprentissage automatique pour évaluer la stabilité des complexes d'éléments de terres rares et d'actinides trivalents. Les résultats ont été publiés dans le Journal of Chemical Physics. L'équipe de recherche indique que l'apprentissage automatique peut réduire les coûts de temps et de matériaux dans la recherche chimique, ce qui est particulièrement important pour les lanthanides et les actinides, qui sont rares, coûteux ou dangereux. Les lanthanides, avec le scandium et l'yttrium, sont généralement classés parmi les éléments de terres rares, largement utilisés dans les aimants permanents, les batteries, les composants électroniques et les lasers. En raison de la présence des terres rares dans la nature...
2026-08-25
Le laboratoire national d'Argonne aux États-Unis dévoile l'outil DONUT pour accélérer l'analyse en temps réel des données de nanodiffraction des rayons X
Les chercheurs du laboratoire national d'Argonne du département de l'Énergie des États-Unis ont développé un nouvel outil d'apprentissage automatique nommé DONUT pour accélérer l'analyse des données de rayons X lors des expériences menées à la source de photons avancée (APS). Cet outil peut traiter en temps réel, pendant les expériences, les images complexes générées par la microscopie de nanodiffraction des rayons X à balayage (SXDM), aidant ainsi les chercheurs à déterminer plus rapidement les changements de structure interne des matériaux. DONUT, acronyme de diffraction optique nanofaisceau basée sur l'apprentissage non supervisé, est un réseau neuronal à conscience physique. Sa particularité réside dans la combinaison de méthodes d'intelligence artificielle avec des modèles physiques d'interaction entre le faisceau de rayons X focalisé et les matériaux, lui permettant d'apprendre directement à partir des données expérimentales sans dépendre d'échantillons d'entraînement pré-annotés...
2026-08-17
Un cadre d'apprentissage automatique prédit les micro-déplacements des bobines du dispositif de fusion DIII-D
Des chercheurs du Thomas Jefferson National Accelerator Facility (Jefferson Lab) du Département de l'énergie des États-Unis (DOE) et leurs collaborateurs ont développé un cadre d'apprentissage automatique capable de prédire les infimes variations des composants critiques d'un dispositif de fusion avant le début de l'expérience suivante. Cette méthode est destinée au DIII-D National Fusion Facility situé à San Diego, et les résultats ont été publiés dans la revue *Machine Learning with Applications*. Structure interne du tokamak du DIII-D National Fusion Facility. (Image fournie par General Atomics) Le DIII-D est un tokam...
2026-08-17
Sophelio lance le Défi de l'équilibre de fusion, ouvrant les ensembles de données expérimentales DIII-D et MAST
Le 11 août, Sophelio a lancé le Défi de l'équilibre de fusion (Fusion Equilibrium Challenge). Cette compétition a été intégrée au volet compétition de la Conférence sur les systèmes de traitement de l'information neuronale (NeurIPS) 2026, devenant ainsi le premier défi lié à l'énergie de fusion à rejoindre ce volet. Organisé conjointement par Sophelio, l'installation nationale de fusion DIII-D (DIII-D National Fusion Facility), le projet FAIR-MAST de l'Autorité britannique de l'énergie atomique (UKAEA) et l'Institut de recherche sur la fusion (IFS) de l'Université du Texas à Austin, le défi héberge ses données sur la plateforme Hugging Face. Ouvert à la communauté mondiale de l'apprentissage automatique, il exige...
2026-08-12