Rejoindre une ENS

Pour témoigner ou appeler à témoignage ceux qui sont sortis depuis peu ou depuis longtemps de leurs écoles.

Messages : 629

Enregistré le : 10 juin 2015 22:44

Re: Rejoindre une ENS

Message par Ewind » 19 févr. 2018 17:55

Je pense a un groupe de chimie théorique ( François Xavier Courdert, Chimie Paris/Ulm).
Dès qu'il faut de la fiabilité c'est sur que c'est pas idéal, mais l'idée est plus d'explorer le champ des possibles a un bien plus faibles cout en calcul

Messages : 3326

Enregistré le : 01 mai 2016 20:09

Classe : Cassandre

Re: Rejoindre une ENS

Message par siro » 19 févr. 2018 19:31

Y'a pas de raison que ça soit des applications "critiques" la chimie théorique (oui FXC est très bien et fait de la jolie recherche).
Chaque vénérable chêne a commencé par être un modeste gland. Si on a pensé à lui pisser dessus.

Messages : 374

Enregistré le : 31 juil. 2016 21:55

Classe : PC* - Lycée Du Parc

Re: Rejoindre une ENS

Message par Isacu » 21 févr. 2018 20:57

Ce qui est pas mal utilisé en recherche actuellement, c'est les méthodes de Monte-Carlo, le ML ça reste encore assez limité pour le moment (mais qui sait ce qu'on pourra faire dans quelques années). Après je pense que le ML jouera rarement dans la recherche de pointe car il a besoin de grosses base de données pour se lancer, base de données qui sont forcément absentes si on fait quelque chose de totalement nouveau. Après sur des domaines où les règles générales sont déjà connues (chimie, plasma, méca flotte, ...) ça devrait surement permettre d'accélérer pas mal les calculs en ne faisant que ceux qui sont "pertinents" (Le rôle du ML dans Alphago c'était juste de savoir quand s'arrêter devant une configuration de pièces peu prometteuse).
L3 Physique/Math ENS Lyon

Messages : 292

Enregistré le : 01 août 2011 21:09

Classe : Doctorat

Re: Rejoindre une ENS

Message par Hazherty » 22 févr. 2018 09:34

Je voudrais juste faire une petite distinction entre le machine learning, et le Deep Learning (qui en est un sous ensemble).

Le premier regroupe toutes les formes d'apprentissages, supervisés (via entraînement d'un jeu énorme de données labellisés) ou non (clustering, classification, inférence).

Le deuxième est supervisé et plus flou dans sa manière de fonctionner, c'est ce que les gens imaginent quand on parle de ML. Il contient par exemple les réseaux de neurones, où il y a un gros effort pour étudier leur convergence pendant l'apprentissage.

Répondre