<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>apprentissage automatique &#8211; Enerzine</title>
	<atom:link href="https://www.enerzine.com/etiquettes/apprentissage-automatique/feed" rel="self" type="application/rss+xml" />
	<link>https://www.enerzine.com</link>
	<description>L&#039;énergie au quotidien</description>
	<lastBuildDate>Mon, 17 Feb 2025 11:49:22 +0000</lastBuildDate>
	<language>fr-FR</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.9.4</generator>

<image>
	<url>https://www.enerzine.com/wp-content/uploads/2024/02/cropped-enerzine_logo_512-32x32.png</url>
	<title>apprentissage automatique &#8211; Enerzine</title>
	<link>https://www.enerzine.com</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>L&#8217;apprentissage automatique améliore la précision des prévisions en matière d&#8217;énergie solaire</title>
		<link>https://www.enerzine.com/lapprentissage-automatique-ameliore-la-precision-des-previsions-en-matiere-denergie-solaire/156927-2025-02</link>
					<comments>https://www.enerzine.com/lapprentissage-automatique-ameliore-la-precision-des-previsions-en-matiere-denergie-solaire/156927-2025-02#respond</comments>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Tue, 18 Feb 2025 05:10:00 +0000</pubDate>
				<category><![CDATA[Renouvelable]]></category>
		<category><![CDATA[Solaire]]></category>
		<category><![CDATA[apprentissage automatique]]></category>
		<category><![CDATA[prevision]]></category>
		<category><![CDATA[reseau]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=156927</guid>

					<description><![CDATA[L&#8217;énergie solaire jouant un rôle croissant dans l&#8217;approvisionnement mondial en électricité, il est essentiel d&#8217;assurer des prévisions précises de la production d&#8217;énergie photovoltaïque (PV) pour équilibrer l&#8217;offre et la demande d&#8217;énergie. Une nouvelle étude publiée dans « Advances in Atmospheric Sciences » examine comment l&#8217;apprentissage automatique et les techniques statistiques peuvent affiner ces prévisions en corrigeant les [&#8230;]]]></description>
		
					<wfw:commentRss>https://www.enerzine.com/lapprentissage-automatique-ameliore-la-precision-des-previsions-en-matiere-denergie-solaire/156927-2025-02/feed</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>L&#8217;intelligence artificielle au service de l&#8217;optimisation des cellules solaires</title>
		<link>https://www.enerzine.com/lintelligence-artificielle-au-service-de-loptimisation-des-cellules-solaires/147279-2024-10</link>
					<comments>https://www.enerzine.com/lintelligence-artificielle-au-service-de-loptimisation-des-cellules-solaires/147279-2024-10#respond</comments>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Thu, 10 Oct 2024 13:30:00 +0000</pubDate>
				<category><![CDATA[Renouvelable]]></category>
		<category><![CDATA[Solaire]]></category>
		<category><![CDATA[apprentissage automatique]]></category>
		<category><![CDATA[cellule]]></category>
		<category><![CDATA[cycle]]></category>
		<category><![CDATA[solaire]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=147279</guid>

					<description><![CDATA[Les énergies renouvelables occupent une place prépondérante dans la transition énergétique mondiale. Le développement de nouvelles technologies solaires se heurte cependant à des processus de test longs et coûteux. Une équipe de chercheurs a récemment mis au point une méthode innovante basée sur l&#8217;apprentissage automatique, visant à accélérer considérablement ces tests. L&#8217;équipe de Johns Hopkins, [&#8230;]]]></description>
		
					<wfw:commentRss>https://www.enerzine.com/lintelligence-artificielle-au-service-de-loptimisation-des-cellules-solaires/147279-2024-10/feed</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>Sulfur-38 : une empreinte quantique unique découverte</title>
		<link>https://www.enerzine.com/sulfur-38-une-empreinte-quantique-unique-decouverte/84479-2024-02</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Tue, 06 Feb 2024 23:10:00 +0000</pubDate>
				<category><![CDATA[Energie]]></category>
		<category><![CDATA[Nucléaire]]></category>
		<category><![CDATA[apprentissage automatique]]></category>
		<category><![CDATA[etoile a neutrons]]></category>
		<category><![CDATA[physique nucleaire]]></category>
		<category><![CDATA[protons]]></category>
		<category><![CDATA[sulfur38]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=84347</guid>

					<description><![CDATA[En physique nucléaire, les protons et les neutrons, ces éléments constitutifs des noyaux, sont en mesure de se réorganiser au sein d&#8217;un même noyau. Aussi, comment cette réorganisation peut-elle être étudiée et comment elle nous aiderait à mieux comprendre l&#8217;une des forces fondamentales de l&#8217;univers : la force nucléaire forte. La réorganisation des protons et [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Une méthode d&#8217;apprentissage automatique accélère la découverte de matériaux énergétiques</title>
		<link>https://www.enerzine.com/une-methode-dapprentissage-automatique-accelere-la-decouverte-de-materiaux-energetiques/82869-2024-01</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Sat, 20 Jan 2024 21:05:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[apprentissage automatique]]></category>
		<category><![CDATA[dopant]]></category>
		<category><![CDATA[electrolyte]]></category>
		<category><![CDATA[energie verte]]></category>
		<category><![CDATA[piles a combustible]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=82867</guid>

					<description><![CDATA[Des chercheurs japonais ont mis au point une méthode innovante pour accélérer la découverte de matériaux destinés à la technologie de l&#8217;énergie verte. Cette méthode, qui repose sur l&#8217;apprentissage automatique, a permis d&#8217;identifier et de synthétiser deux nouveaux matériaux candidats pour les piles à combustible à oxyde solide. Face au défi du réchauffement climatique, les [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Comment l&#8217;Université d&#8217;Oxford comble le fossé de la réalité des qubits</title>
		<link>https://www.enerzine.com/comment-luniversite-doxford-comble-le-fosse-de-la-realite-des-qubits/82070-2024-01</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Fri, 12 Jan 2024 21:05:00 +0000</pubDate>
				<category><![CDATA[Quantique]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[apprentissage automatique]]></category>
		<category><![CDATA[avantage quantique]]></category>
		<category><![CDATA[dispositifs quantiques]]></category>
		<category><![CDATA[variabilite inherente]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=82070</guid>

					<description><![CDATA[Une étude menée par l&#8217;Université d&#8217;Oxford a utilisé la puissance de l&#8217;apprentissage automatique pour surmonter un défi majeur affectant les dispositifs quantiques. Pour la première fois, les résultats révèlent une méthode pour combler le &#8216;fossé de la réalité&#8217;, la différence entre le comportement prédit et observé des dispositifs quantiques. Le potentiel de l&#8217;informatique quantique pour [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Une étude révèle une utilisation industrielle inédite des océans</title>
		<link>https://www.enerzine.com/une-etude-revele-une-utilisation-industrielle-inedite-des-oceans/81345-2024-01</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Fri, 05 Jan 2024 22:05:00 +0000</pubDate>
				<category><![CDATA[Infrastructure]]></category>
		<category><![CDATA[Mobilité]]></category>
		<category><![CDATA[apprentissage automatique]]></category>
		<category><![CDATA[imagerie]]></category>
		<category><![CDATA[oceans]]></category>
		<category><![CDATA[satellite]]></category>
		<category><![CDATA[surveillance]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=81278</guid>

					<description><![CDATA[Une étude récente offre une perspective sans précédent sur l&#8217;utilisation industrielle des océans, jusqu&#8217;alors largement méconnue. Cette recherche, menée par Global Fishing Watch, utilise l&#8217;apprentissage automatique et l&#8217;imagerie satellite pour dresser une carte mondiale de la circulation des grands navires et des infrastructures offshore. Les résultats de l&#8217;analyse révèlent que près de 75% des navires [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Quand l&#8217;apprentissage automatique démasque les microplastiques</title>
		<link>https://www.enerzine.com/quand-lapprentissage-automatique-demasque-les-microplastiques/80694-2023-12</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Thu, 28 Dec 2023 17:00:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[aerosols]]></category>
		<category><![CDATA[apprentissage automatique]]></category>
		<category><![CDATA[durabilite]]></category>
		<category><![CDATA[esg]]></category>
		<category><![CDATA[microplastiques]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=80694</guid>

					<description><![CDATA[La pollution plastique, un enjeu environnemental majeur de notre époque, ne se limite pas aux océans. Les sols du monde entier sont également touchés, avec des conséquences environnementales et sanitaires potentiellement graves. Une équipe de chercheurs a utilisé l&#8217;apprentissage automatique pour évaluer et prédire l&#8217;influence des microplastiques sur les propriétés des sols. Cette étude novatrice [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>5000 calculs suffisent pour prédire les énergies de surface, grâce à l&#8217;IA</title>
		<link>https://www.enerzine.com/5000-calculs-suffisent-pour-predire-les-energies-de-surface-grace-a-lia/78361-2023-12</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Fri, 08 Dec 2023 17:30:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[apprentissage automatique]]></category>
		<category><![CDATA[autosurfrecon]]></category>
		<category><![CDATA[catalyseurs]]></category>
		<category><![CDATA[chimie des materiaux]]></category>
		<category><![CDATA[surfaces]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=78361</guid>

					<description><![CDATA[La conception de nouveaux composés ou alliages dont les surfaces peuvent être utilisées comme catalyseurs dans les réactions chimiques peut être un processus complexe. Une équipe de chercheurs du MIT a développé une nouvelle approche utilisant l&#8217;apprentissage automatique pour fournir des informations plus détaillées que les méthodes conventionnelles. Les surfaces des matériaux interagissent souvent avec [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>170 langages bactériens déchiffrés grâce à l&#8217;apprentissage automatique</title>
		<link>https://www.enerzine.com/170-langages-bacteriens-dechiffres-grace-a-lapprentissage-automatique/76632-2023-11</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Sat, 25 Nov 2023 09:00:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[antibiotique]]></category>
		<category><![CDATA[apprentissage automatique]]></category>
		<category><![CDATA[bacterie]]></category>
		<category><![CDATA[langage]]></category>
		<category><![CDATA[resistance]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=76632</guid>

					<description><![CDATA[Une combinaison d&#8217;apprentissage automatique et d&#8217;expériences en laboratoire a permis aux chercheurs de déchiffrer les différents langages utilisés par les bactéries pour communiquer. Cette compréhension pourrait avoir des implications majeures dans le traitement des bactéries résistantes aux médicaments et dans le développement d&#8217;outils de biocomputing. Une étude récente s&#8217;appuie sur un projet antérieur dans lequel [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Un supercondensateur qui stocke quatre fois plus d&#8217;énergie</title>
		<link>https://www.enerzine.com/un-supercondensateur-qui-stocke-quatre-fois-plus-denergie/76414-2023-11</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Thu, 23 Nov 2023 06:00:00 +0000</pubDate>
				<category><![CDATA[Industrie énergie]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[apprentissage automatique]]></category>
		<category><![CDATA[capacitance]]></category>
		<category><![CDATA[materiau carbone]]></category>
		<category><![CDATA[pseudocapacitance]]></category>
		<category><![CDATA[supercondensateur]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=76414</guid>

					<description><![CDATA[Dans une avancée significative pour le stockage d&#8217;énergie, des chercheurs aux États-Unis ont conçu un matériau « supercondensateur » carboné qui établit un nouveau record, capable de stocker quatre fois plus d&#8217;énergie que le meilleur matériau commercial actuellement disponible. Un supercondensateur fabriqué avec ce nouveau matériau pourrait stocker plus d&#8217;énergie, améliorant ainsi les freins régénératifs, l&#8217;électronique de [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
