exposant

Un col de montagne relie deux vallées. Dans l'une, la protéine est repliée, dans l'autre, elle est dépliée. Pour passer de l'une à l'autre, il faut franchir la selle, le point le plus haut du chemin. En science des protéines, ce point est appelé état de transition, et la coordonnée qui indique la distance jusqu'à lui est le committor.

Sur une pente raide en montagne, une pierre qui tombe déclenche parfois une avalanche, parfois elle se bloque. Tout dépend de l’état de la pente.

L'évolution coule comme l'eau. Dans une large rivière, les changements sont lents et progressifs, tandis qu'un torrent de montagne bouillonne à chaque pierre. La taille de la population et la fréquence des mutations tracent le lit : large et calme, ou étroit et plein de rapides.

Jetez une dizaine de pièces sur une table. Le nombre de combinaisons de piles et de faces dépasse à peine le millier. Pour deux dizaines de pièces, c'est déjà un million. Le nombre croît comme 2 puissance le nombre de pièces, et c'est rapide. Mais les systèmes quantiques sont bien plus riches.

Si l'on jette un glaçon dans un verre d'eau, il flottera jusqu'à ce qu'il fonde. Mais si l'on refroidit lentement l'eau, à un moment donné elle se prend entièrement en glace d'un coup — c'est une transition de phase de première espèce : brutale, avec une frontière nette.

De minuscules aimants sur un réseau — le modèle d'Ising classique — décrivent généralement comment les voisins s'influencent mutuellement. Mais que se passe-t-il lorsque le système est étroitement surveillé ? Chaque mesure de l'énergie de liaison est comme un regard qui force les aimants à « se décider » sur leur état.

Jetez une poignée de sable sur le sol : les gros grains sont rares, les petits sont nombreux, et les minuscules encore plus. Ce déséquilibre, où les petits événements sont fréquents et les grands rares, est décrit par une loi de puissance. On la retrouve dans la taille des villes, la force des séismes, le nombre de citations d'articles scientifiques.

On peut comparer un réseau de neurones à une résidence où chaque locataire dispose de sa propre chambre. En général, chaque signal dans les données occupe un neurone distinct, et l'apprentissage se fait séquentiellement : d'abord un signal, puis un autre. C'est lent et cela dépend des données rencontrées.