réseau neuronal informé par la physique

Dans un élastique étiré en laboratoire, trois mécanismes d'élasticité différents agissent simultanément. Pour une faible élongation, c'est la loi de Hooke qui domine ; pour une élongation moyenne, l'élasticité entropique des chaînes ; pour une forte élongation, le durcissement par cristallisation.

Un piston dans un cylindre rempli de gaz se déplace généralement lorsque le gaz exerce une pression sur lui. Mais il existe un piston qui se déplace lorsqu'il y a du vide devant lui. Toutes les cinq secondes, il vérifie l'espace contre sa paroi, et si personne ne s'y trouve, il fait un pas vers l'intérieur, comprimant le gaz sans effort mécanique direct.

Dans la glace antarctique, une particule fantôme ne laisse qu'un faible éclat de lumière bleue. Le détecteur IceCube capture ces éclats, et à partir d'eux, il faut déterminer d'où vient la particule. Le modèle PolarBERT a appris à le faire, mais ce qu'il voit réellement à l'intérieur restait un mystère.

Le diamant n'est pas qu'une simple parure. Dans son réseau cristallin se cachent des défauts qui détectent le champ magnétique mieux que bien des instruments. L'un de ces défauts, le centre NV, agit comme une minuscule boussole, mais son aiguille oscille à cause de la chaleur et du bruit.

Frappez une cloche : elle résonne sur sa note. Un trou noir perturbé résonne aussi, mais au lieu d'un son, c'est l'espace lui-même qui frémit. Les fréquences de cette résonance peuvent en dire long sur le trou noir : sa vitesse de rotation, sa masse.

Si l'on verse du miel dans une passoire percée d'une centaine de petits trous, il s'écoulera en minces filets, mais chaque filet sera tourbillonnant autour du bord du trou.

Cent millisecondes. C'est le temps dont dispose le réseau électrique, après un coup de foudre ou un court-circuit, pour soit revenir à la normale, soit perdre sa stabilité.

Un neurone reçoit des milliers de signaux sur ses prolongements ramifiés — les dendrites. Certains signaux poussent la cellule à s'activer (excitation), d'autres la retiennent (inhibition). Pendant longtemps, on a pensé que le neurone se contentait d'additionner tous les « pour » et les « contre ».

De nombreux processus naturels sont décrits par des équations, mais nous n'en connaissons que des fragments. La nouvelle méthode agit comme un cartographe qui, à partir de quelques repères, reconstitue une carte complète du territoire.

Un programme de suivi ordinaire ressemble à un navigateur qui guide un navire à l'aide des étoiles. Mais dès que le ciel se couvre, les coordonnées dérivent et l'incertitude dans les données augmente — c'est ce qu'on appelle l'entropie. Le nouvel algorithme s'adjoint un « copilote » : un module qui surveille le niveau de confiance du navigateur principal.

Quand un drone apprend d'un pilote expérimenté, il ne mémorise pas seulement des manœuvres, mais des couloirs de sécurité entiers. Mais en vol réel, il y a toujours des facteurs absents de l'entraînement : un vent inattendu, des vibrations de la caméra, même le mouvement propre du drone peut déstabiliser l'air.

Une personne dans une barque tourne en déplaçant le poids de son corps. Un navire autonome utilise la même astuce : la manœuvre est effectuée par une masse mobile à l'intérieur de la coque. Son mouvement est contrôlé par un réseau de neurones qui anticipe le chaos des vagues et les rafales de vent.

Les étoiles à neutrons sont les derniers agrégats de matière visible avant la chute dans un trou noir. Dans leurs entrailles, la matière est comprimée à des densités de l'ordre du billion. Là, les forces nucléaires et la gravité s'entrelacent pour former une substance exotique inaccessible à tout accélérateur terrestre.

Les puces neuromorphiques fonctionnent différemment des ordinateurs classiques, construits selon les plans de John von Neumann, avec une mémoire et un processeur séparés.

La caténaire d'un chemin de fer évoque une galaxie : l'énergie s'y propage comme la gravitation, et les trains deviennent des exoplanètes. Plus les convois consomment du courant en même temps, plus les fluctuations de tension s'amplifient — des ondes gravitationnelles parcourent le système, menaçant de provoquer des coupures.

Le flotteur dans la chasse d'eau est un contrôleur idéal : en sentant le niveau de l'eau, il ramène instantanément le système à l'équilibre sans se soucier du passé. Des ingénieurs ont appliqué ce principe aux réseaux de neurones.

L'apprentissage automatique n'est plus depuis longtemps un simple outil — il devient un chercheur qui extrait lui-même les lois de la nature à partir des données. Mais comment un esprit de silicium parvient-il à la compréhension ?

Le nombre −0.000459 n'est pas un invité surprise dans l'équation de Blasius. C'est le coefficient de η⁵, qui détermine la couche limite sur une plaque plane — le murmure subtil du frottement de l'air sur le métal. Les méthodes numériques classiques comme Runge-Kutta ne donnent qu'une courbe approximative.

Les réseaux de neurones classiques apprennent à partir d'exemples, un peu comme quelqu'un qui mémorise des mélodies à l'oreille. Mais les réseaux qui intègrent dès le départ les lois physiques ressemblent à un musicien qui connaît les notes et l'harmonie : il peut jouer un nouveau morceau à partir de quelques accords.

Une poignée de sable tombe sur une table — et chaque grain roule vers le bas jusqu'à ce qu'il se fige dans un creux. C'est ainsi que fonctionne le potentiel : la surface de la table indique aux particules où aller. Mais dans une rivière avec des tourbillons, il n'y a pas un seul creux vers lequel tout converge. L'eau tourne, revient, serpente.

Vue de l'extérieur, la croissance d'une population ressemble à un train qui prend de la vitesse : d'abord il avance péniblement, puis il accélère. Mais dès qu'on plonge dans les données, l'image se brouille. Dans une mesure, on compte une dizaine d'individus ; dans une autre, une centaine d'un coup.

Un chef ne gaspille pas ses ingrédients en préparant tout le plat pour en évaluer le goût — il goûte une goutte de sauce. C'est la même logique qui sous-tend la méthode du « jumelage d'informations » pour prédire la résistance des métaux.

Une bouilloire qui bout avec son couvercle fermé ne montre pas l'ébullition, mais le son et les vibrations trahissent la puissance de chauffe de l'eau.

Un faisceau laser frappe l'os, et celui-ci répond par un écho ultrasonore presque inaudible. Dans ce son se cache une information sur chaque microfissure et chaque pore rempli de liquide. Le problème, c'est que les programmes informatiques ordinaires ne comprennent pas ce langage : ils voient le signal, mais ignorent la physique qui l'a produit.

Les vaisseaux à l'intérieur du crâne ressemblent à un col de montagne en lacets : virages serrés, rétrécissements, courbes inattendues. Quand un embouteillage se forme dans ce lacet, le sang cesse de parvenir normalement au cerveau. Pour anticiper le danger, les médecins doivent voir l'ensemble du flux : où il accélère, où il tourbillonne.

Un thermostat maintient une pièce à 20 degrés. Ouvrez la fenêtre en hiver – il enclenche le chauffage pour rétablir l'équilibre. Le cerveau fait quelque chose de similaire : il prédit constamment ce qui va se passer l'instant d'après et se corrige s'il se trompe. C'est ainsi qu'il apprend.

Un spectromètre à neutrons ressemble à un géologue aveugle qui tâte la roche et devine ce qu'elle cache au son. Il envoie un faisceau de neutrons dans un cristal et observe comment ils se dispersent. Ce motif révèle comment oscillent les petits aimants atomiques – les spins. Mais où creuser et combien de temps écouter, c'était auparavant une décision humaine.

Un réseau de neurones entraîné sur des collisions de protons et d'électrons a transféré ses compétences à une expérience totalement différente : la capture de neutrinos. Comme un cuisinier qui aurait appris la cuisine française puis, sans préparation, réussirait un excellent plov ouzbek.

Les monopôles magnétiques sont comme des moitiés d'aimant qui ne peuvent pas exister seules dans un matériau ordinaire. Mais dans la glace de spin, ils apparaissent par paires, reliés par un fil invisible — la corde de Dirac.

L'eau d'une rivière contourne les pierres, l'air épouse l'aile d'un avion : ces mouvements sont décrits par des équations difficiles à résoudre même sur un ordinateur puissant. Les réseaux de neurones savent approximer ces solutions, mais ils se trompent souvent lorsque les données ne sont collectées qu'en quelques points ou sont bruitées. La raison ?

Les astronomes mesurent les distances dans l'Univers grâce aux explosions d'étoiles particulières : les supernovae de type Ia. Ces éclats ont toujours presque la même luminosité, comme des ampoules de puissance connue. En sachant combien de lumière nous est parvenue, on peut calculer à quelle distance l'explosion s'est produite.

Un ordinateur classique, lorsqu'il cherche une loi de la nature à partir de données, tente de deviner une formule complète d'un seul coup. C'est comme si un cuisinier, sans connaître la recette, jetait tous les ingrédients dans la casserole en espérant obtenir une soupe.

Un morceau de combustible nucléaire à l'intérieur d'un réacteur n'est pas qu'un simple solide. Lorsqu'on le chauffe, les atomes d'uranium commencent à « remuer » leurs moments magnétiques, et ce mouvement modifie la conductivité thermique et d'autres propriétés.

Un matériau, c'est un peu comme une personne : si on le tire longtemps, il s'en souvient et se comporte différemment. Pendant des années, les ingénieurs ont cherché des formules pour décrire cette mémoire. Désormais, un réseau de neurones s'en charge tout seul. La nouvelle architecture iCKAN prend les données d'essais et les transforme en équations.

Les taches solaires sont les traces de champs magnétiques qui émergent à la surface. Elles vivent leur vie : les taches apparues plus près de l'équateur s'inclinent davantage, tandis que celles plus éloignées s'inclinent moins.

Les étoiles situées en périphérie des galaxies tournent plus vite que ne le prévoient les lois de la physique si l'on ne compte que la matière visible. Ce paradoxe a été mis en évidence au XXe siècle par Vera Rubin et Fritz Zwicky.

Le champ magnétique terrestre ressemble à une rivière invisible qui serpente sous nos pieds. Les navigateurs et les géologues consultent les cartes de cette rivière, mais les instruments ne prennent des mesures qu'en des points isolés, laissant des zones blanches entre eux. Les combler, c'est un peu comme dessiner le lit d'une rivière à partir de quelques cailloux trouvés sur la berge.

À l'intérieur d'une batterie, comme dans un gâteau à plusieurs étages, différentes couches solides se côtoient. Leur point de rencontre — l'interface — se comporte de manière capricieuse : les contraintes s'y concentrent et, avec le temps, la batterie vieillit. Pour comprendre ces processus, il faut des modèles informatiques qui voient chaque atome.

À l'intérieur du proton, les gluons s'agitent comme des abeilles dans une ruche, collant les quarks entre eux et entre eux-mêmes. Plus l'énergie de la collision est élevée, plus les gluons sortent du brouillard.

Dans le détecteur du Grand collisionneur de hadrons, après chaque collision de protons, il reste des milliers de points — les traces des particules qui s'éloignent. Un réseau de neurones a appris à voir des motifs dans cette configuration et à prédire ce qui s'est passé au moment de l'impact.