<?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>machine learning &#8211; Enerzine</title>
	<atom:link href="https://www.enerzine.com/etiquettes/machine-learning/feed" rel="self" type="application/rss+xml" />
	<link>https://www.enerzine.com</link>
	<description>L&#039;énergie au quotidien</description>
	<lastBuildDate>Thu, 01 Aug 2024 16:35:23 +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>machine learning &#8211; Enerzine</title>
	<link>https://www.enerzine.com</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>Prévisions 2026 : l&#8217;énergie consommée par l&#8217;IA pourrait atteindre 1 000 TWh</title>
		<link>https://www.enerzine.com/previsions-2026-lenergie-consommee-par-lia-pourrait-atteindre-1-000-twh/142271-2024-08</link>
					<comments>https://www.enerzine.com/previsions-2026-lenergie-consommee-par-lia-pourrait-atteindre-1-000-twh/142271-2024-08#respond</comments>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Tue, 06 Aug 2024 06:10:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[énergie]]></category>
		<category><![CDATA[ia]]></category>
		<category><![CDATA[machine learning]]></category>
		<category><![CDATA[mram]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=142271</guid>

					<description><![CDATA[Des chercheurs américains ont mis au point un dispositif matériel de pointe capable de réduire la consommation d&#8217;énergie des applications d&#8217;intelligence artificielle (IA) d&#8217;un facteur d&#8217;au moins 1 000. Face à la demande croissante des applications d&#8217;IA, les chercheurs cherchent des moyens de créer des processus plus économes en énergie, tout en maintenant une performance [&#8230;]]]></description>
		
					<wfw:commentRss>https://www.enerzine.com/previsions-2026-lenergie-consommee-par-lia-pourrait-atteindre-1-000-twh/142271-2024-08/feed</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>Comment un aimant de 0,05 Tesla pourrait changer la médecine moderne</title>
		<link>https://www.enerzine.com/comment-un-aimant-de-005-tesla-pourrait-changer-la-medecine-moderne/124969-2024-05</link>
					<comments>https://www.enerzine.com/comment-un-aimant-de-005-tesla-pourrait-changer-la-medecine-moderne/124969-2024-05#respond</comments>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Sun, 19 May 2024 09:10:00 +0000</pubDate>
				<category><![CDATA[Recherche]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[aimant]]></category>
		<category><![CDATA[irm]]></category>
		<category><![CDATA[machine learning]]></category>
		<category><![CDATA[tesla]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=124969</guid>

					<description><![CDATA[L&#8217;imagerie par résonance magnétique (IRM) est un outil crucial en médecine moderne, offrant des images détaillées sans recours aux rayonnements ionisants. Cependant, son accessibilité reste limitée, notamment dans les pays à revenu faible et intermédiaire. Une nouvelle étude propose une solution innovante pour rendre cette technologie plus abordable et sécurisée grâce à l&#8217;apprentissage automatique. Une [&#8230;]]]></description>
		
					<wfw:commentRss>https://www.enerzine.com/comment-un-aimant-de-005-tesla-pourrait-changer-la-medecine-moderne/124969-2024-05/feed</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>Apprentissage machine : une efficacité énergétique 100 fois supérieure grâce à la lumière</title>
		<link>https://www.enerzine.com/apprentissage-machine-une-efficacite-energetique-100-fois-superieure-grace-a-la-lumiere/62885-2023-08</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Tue, 01 Aug 2023 12:30:00 +0000</pubDate>
				<category><![CDATA[Laser]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[deep learning]]></category>
		<category><![CDATA[laser]]></category>
		<category><![CDATA[lumiere]]></category>
		<category><![CDATA[machine learning]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=62885</guid>

					<description><![CDATA[Une nouvelle ère de puissance de calcul se profilerait-il à l&#8217;horizon, avec un système basé sur la lumière ? Ce dernier pourrait en effet propulser les modèles d&#8217;apprentissage automatique à un niveau plusieurs fois supérieur à celui de ChatGPT avec une consommation d&#8217;énergie bien moindre par rapport aux supercalculateurs actuels. Cette révélation, issue d&#8217;une collaboration [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Le machine learning quantique optimisé grâce à la surparamétrisation</title>
		<link>https://www.enerzine.com/le-machine-learning-quantique-optimise-grace-a-la-surparametrisation/60141-2023-07</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Mon, 03 Jul 2023 05:00:00 +0000</pubDate>
				<category><![CDATA[Quantique]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[machine learning]]></category>
		<category><![CDATA[quantique]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=59456</guid>

					<description><![CDATA[Une démonstration théorique inédite montre qu&#8217;une technique appelée surparamétrisation améliore les performances en apprentissage automatique quantique pour des applications qui déconcertent les ordinateurs classiques. « Nous pensons que nos résultats seront utiles pour utiliser l&#8217;apprentissage automatique afin de comprendre les propriétés des données quantiques, comme la classification des différentes phases de la matière dans la [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>La médecine du futur : le suivi cardiaque à portée de main</title>
		<link>https://www.enerzine.com/la-medecine-du-futur-le-suivi-cardiaque-a-portee-de-main/56789-2023-06</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Mon, 05 Jun 2023 10:30:00 +0000</pubDate>
				<category><![CDATA[Industrie technologie]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[algorithme]]></category>
		<category><![CDATA[cardiaque]]></category>
		<category><![CDATA[echographie]]></category>
		<category><![CDATA[machine learning]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=56789</guid>

					<description><![CDATA[Dans un progrès considérable dans le domaine des ultrasons portables, une équipe d&#8217;ingénieurs de l&#8217;Université de Californie à San Diego a conçu le tout premier système d&#8217;échographie portable intégré pour le suivi des tissus profonds, y compris pour les sujets en déplacement. Ce dispositif pourrait révolutionner le monitoring cardiovasculaire, apportant une solution potentiellement salvatrice. Les [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>IA et planification urbaine : vers une gestion optimale de l&#8217;énergie en ville ?</title>
		<link>https://www.enerzine.com/ia-et-planification-urbaine-vers-une-gestion-optimale-de-lenergie-en-ville/55202-2023-05</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Thu, 11 May 2023 08:00:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[energie]]></category>
		<category><![CDATA[machine learning]]></category>
		<category><![CDATA[urbain]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=55202</guid>

					<description><![CDATA[Alors que Philadelphie s&#8217;efforce d&#8217;atteindre les objectifs en matière d&#8217;émissions de gaz à effet de serre définis dans son plan 2050, des chercheurs du College of Engineering de l&#8217;université Drexel se tournent vers un modèle d&#8217;apprentissage automatique pour comprendre le rôle du zonage dans la régulation de la consommation d&#8217;énergie des bâtiments. Cette initiative pourrait [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Tirer le meilleur des batteries des véhicules électriques grâce au Machine Learning</title>
		<link>https://www.enerzine.com/tirer-le-meilleur-des-batteries-des-vehicules-electriques-grace-au-machine-learning/40728-2022-08</link>
					<comments>https://www.enerzine.com/tirer-le-meilleur-des-batteries-des-vehicules-electriques-grace-au-machine-learning/40728-2022-08#respond</comments>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Tue, 30 Aug 2022 06:00:00 +0000</pubDate>
				<category><![CDATA[Batterie]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[batterie]]></category>
		<category><![CDATA[machine learning]]></category>
		<category><![CDATA[optimisation]]></category>
		<category><![CDATA[prediction]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=40728</guid>

					<description><![CDATA[Des chercheurs ont mis au point un algorithme d&#8217;apprentissage automatique (Machine Learning) qui pourrait contribuer à réduire les temps de charge et à prolonger la durée de vie des batteries des véhicules électriques en prédisant comment différents modes de conduite affectent les performances des batteries, améliorant ainsi la sécurité et la fiabilité. Selon les chercheurs [&#8230;]]]></description>
		
					<wfw:commentRss>https://www.enerzine.com/tirer-le-meilleur-des-batteries-des-vehicules-electriques-grace-au-machine-learning/40728-2022-08/feed</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>Apprentissage automatique pour prédire les performances des cellules solaires organiques</title>
		<link>https://www.enerzine.com/apprentissage-automatique-pour-predire-les-performances-des-cellules-solaires-organiques/42174-2021-02</link>
					<comments>https://www.enerzine.com/apprentissage-automatique-pour-predire-les-performances-des-cellules-solaires-organiques/42174-2021-02#respond</comments>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Fri, 05 Feb 2021 07:00:44 +0000</pubDate>
				<category><![CDATA[Recherche]]></category>
		<category><![CDATA[Renouvelable]]></category>
		<category><![CDATA[Solaire]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[cellule solaire]]></category>
		<category><![CDATA[intelligence artificielle]]></category>
		<category><![CDATA[machine learning]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=33527</guid>

					<description><![CDATA[Dans cette étude, les chercheurs ont démontré qu&#8217;en alimentant les algorithmes d&#8217;apprentissage automatique avec des ensembles de données expérimentales à haut débit, il est possible de récupérer des modèles prédictifs des performances des cellules solaires organiques Savoir comment prévoir la composition spécifique et la conception des cellules qui permettraient d&#8217;obtenir des performances optimales est l&#8217;un [&#8230;]]]></description>
		
					<wfw:commentRss>https://www.enerzine.com/apprentissage-automatique-pour-predire-les-performances-des-cellules-solaires-organiques/42174-2021-02/feed</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>Des pompes à chaleur qui consomment moins d&#8217;électricité</title>
		<link>https://www.enerzine.com/des-pompes-a-chaleur-qui-consomment-moins-delectricite/28436-2019-08</link>
					<comments>https://www.enerzine.com/des-pompes-a-chaleur-qui-consomment-moins-delectricite/28436-2019-08#respond</comments>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Fri, 02 Aug 2019 06:00:07 +0000</pubDate>
				<category><![CDATA[Durable]]></category>
		<category><![CDATA[Environnement]]></category>
		<category><![CDATA[Recherche]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[compresseur]]></category>
		<category><![CDATA[machine learning]]></category>
		<category><![CDATA[micro-turbocompresseur]]></category>
		<category><![CDATA[pompe a chaleur]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=28436</guid>

					<description><![CDATA[En utilisant un système d’intelligence artificielle, des chercheurs de l’EPFL ont mis au point une méthode pour concevoir les compresseurs destinés aux pompes à chaleur de demain. Elles devraient consommer 25% d’électricité en moins que les pompes actuelles. En Suisse, 50 à 60 % des nouvelles habitations sont équipées de pompes à chaleur. Ces dispositifs [&#8230;]]]></description>
		
					<wfw:commentRss>https://www.enerzine.com/des-pompes-a-chaleur-qui-consomment-moins-delectricite/28436-2019-08/feed</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>Un algorithme permet de prédire les matériaux LED efficaces plus rapidement</title>
		<link>https://www.enerzine.com/un-algorithme-permet-de-predire-les-materiaux-led-efficaces-plus-rapidement/25818-2018-11</link>
					<comments>https://www.enerzine.com/un-algorithme-permet-de-predire-les-materiaux-led-efficaces-plus-rapidement/25818-2018-11#respond</comments>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Fri, 02 Nov 2018 08:53:43 +0000</pubDate>
				<category><![CDATA[Recherche]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[algorithme]]></category>
		<category><![CDATA[led]]></category>
		<category><![CDATA[machine learning]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=25818</guid>

					<description><![CDATA[A la recherche de phosphores les plus susceptibles d&#8217;être efficaces pour l&#8217;éclairage à LED, des scientifiques de l&#8217;Université de Houston ont mis au point un nouvel algorithme d&#8217;apprentissage automatique capable de prédire les propriétés de plus de 100 000 composés. Ils ont ensuite synthétisé et testé l&#8217;un des composés prévus par le calcul &#8211; le [&#8230;]]]></description>
		
					<wfw:commentRss>https://www.enerzine.com/un-algorithme-permet-de-predire-les-materiaux-led-efficaces-plus-rapidement/25818-2018-11/feed</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
	</channel>
</rss>
