Descriptif
Ce parcours s’adresse aux élèves qui souhaitent acquérir une double culture en physique moderne et en sciences computation-nelles. En effet, les méthodes numériques trouvent aujourd’hui une place centrale dans les sciences fondamentales et appliquées. Elles interviennent à tous les niveaux, de l’exploitation de données à la simulation numérique, et demandent d’avoir des connaissances à l’interface entre physique, mathématiques appliquées et informatique. Dans ce contexte, les méthodes d’apprentissage machine ont un rôle de plus en plus important et deviennent un outil essentiel pour relever les défis algorithmiques de demain.
Objectifs
Le programme permet aux étudiants de découvrir la physique computationnelle tout en se spécialisant dans une des thématiques du PA de physique : des particules aux étoiles, photons et atomes, de l’atome au matériau ou sciences et technologies quantiques. Le choix des cours se fera dans l’offre proposée par la thématique choisie et sera complété par des formations sur des méthodes et algorithmes numériques modernes, avec un accent particulier sur les techniques d'apprentissage machine.
Diplômes concernés
Compétences
Connaissances en physique des plasmas, physique des hautes énergies, physique de la matière condensée ou physique quantique selon le parcours thématique choisi. Compréhension des principaux algorithmes numériques dans ces domaines ainsi que la capacité à résoudre des problèmes complexes à l’aide de l’informatique. Connaissance des applications scientifiques de l’intelligence artificielle et de l’apprentissage automatique.
Composition du parcours
- PA_TH PC-DPAE Thématique : PC - Des particules aux étoiles
- P1 - PC-DPAE Période 1 : PC - Des particules aux étoiles
- PHY_51001_EP Champs relativistes et leur quantification
- PHY_51053_EP Astrophysique Stellaire
- PHY_51054_EP Physique des Particules Elémentaires
- MDC_51006_EP Bases de l'Apprentissage Automatique
- CSC_51054_EP Apprentissage profond
- PHY_51171_EP Physique Numérique
- PHY_50P13_EP Projet de recherche en laboratoire
- PHY_51175_EP Statistical mechanics of learning
- P2 - PC-DPAE Période 2 : PC - Des particules aux étoiles
- PHY_52061_EP Théorie quantique des champs perturbative
- PHY_52066_EP Physique des Particules Avancée
- PHY_52068_EP Relativité Générale - Physique
- APM_52188_EP Optimal Transport pour le Machine Learning et Fairness Algorithmique
- CSC_52087_EP Advanced Deep Learning
- APM_52009_EP Apprentissage automatique pour le calcul scientifique et l'analyse numérique
- PHY_52006_EP Computational and machine learning methods in quantum physics
- PHY_52008_EP Computational high-energy physics
- PHY_52180_EP Information quantique : intrication, contrôle et plateformes pour les technologies quantiques
- PHY_52007_EP Computational Plasmas physics
- PHY_50P13_EP Projet de recherche en laboratoire
- P1 - PC-DPAE Période 1 : PC - Des particules aux étoiles
- PA_TH PC-PEA Thématique : Photons et Atomes
- P1 - PC-PEA Période 1 : Photons et Atomes
- PHY_51002_EP Optique Quantique : Lasers
- PHY_51003_EP Physique Atomique et Moléculaire
- PHY_51052_EP Physique Quantique des Electrons dans les Solides
- PHY_51053_EP Astrophysique Stellaire
- MDC_51006_EP Bases de l'Apprentissage Automatique
- CSC_51054_EP Apprentissage profond
- PHY_51171_EP Physique Numérique
- PHY_50P13_EP Projet de recherche en laboratoire
- PHY_51175_EP Statistical mechanics of learning
- P2 - PC-PEA Période 2 : Photons et Atomes
- PHY_52001_EP Physique Quantique Mésoscopique et Matière Topologique
- PHY_52062_EP Optique Quantique : Photons
- PHY_52003_EP Optoélectronique
- PHY_52069_EP Physique des plasmas et de la fusion thermonucléaire
- APM_52188_EP Optimal Transport pour le Machine Learning et Fairness Algorithmique
- CSC_52087_EP Advanced Deep Learning
- APM_52009_EP Apprentissage automatique pour le calcul scientifique et l'analyse numérique
- PHY_52006_EP Computational and machine learning methods in quantum physics
- PHY_52007_EP Computational Plasmas physics
- PHY_52008_EP Computational high-energy physics
- PHY_52180_EP Information quantique : intrication, contrôle et plateformes pour les technologies quantiques
- PHY_50P13_EP Projet de recherche en laboratoire
- P1 - PC-PEA Période 1 : Photons et Atomes
- PA_TH PC-DAM Thématique : Des Atomes au Matériau
- P1 - PC-DAM Période 1 : Des Atomes au Matériau
- PHY_51002_EP Optique Quantique : Lasers
- PHY_51052_EP Physique Quantique des Electrons dans les Solides
- PHY_51057_EP Surfaces molles
- MDC_51006_EP Bases de l'Apprentissage Automatique
- CSC_51054_EP Apprentissage profond
- PHY_51171_EP Physique Numérique
- PHY_50P13_EP Projet de recherche en laboratoire
- PHY_51175_EP Statistical mechanics of learning
- P2 - PC-DAM Période 2 : Des Atomes au Matériau
- PHY_52060_EP Systèmes Complexes
- PHY_52001_EP Physique Quantique Mésoscopique et Matière Topologique
- PHY_52002_EP Nanomatériaux et Applications Electroniques
- PHY_52003_EP Optoélectronique
- PHY_52065_EP Physique des systèmes vivants : fluctuations, auto-organisation and matière active
- PHY_52067_EP Physique des composants semi-conducteurs
- APM_52188_EP Optimal Transport pour le Machine Learning et Fairness Algorithmique
- CSC_52087_EP Advanced Deep Learning
- APM_52009_EP Apprentissage automatique pour le calcul scientifique et l'analyse numérique
- PHY_52006_EP Computational and machine learning methods in quantum physics
- PHY_52007_EP Computational Plasmas physics
- PHY_52008_EP Computational high-energy physics
- PHY_52180_EP Information quantique : intrication, contrôle et plateformes pour les technologies quantiques
- PHY_50P13_EP Projet de recherche en laboratoire
- P1 - PC-DAM Période 1 : Des Atomes au Matériau
- PA_TH PC-STQ Thématique : PC - Sciences et Technologies Quantiques
- P1 - PC-STQ Période 1 : PC - Sciences et Technologies Quantitatives
- PHY_51052_EP Physique Quantique des Electrons dans les Solides
- PHY_51001_EP Champs relativistes et leur quantification
- PHY_51002_EP Optique Quantique : Lasers
- PHY_51003_EP Physique Atomique et Moléculaire
- MDC_51002_EP Information et Calcul Quantique : Fondements
- MDC_51006_EP Bases de l'Apprentissage Automatique
- CSC_51054_EP Apprentissage profond
- PHY_51171_EP Physique Numérique
- PHY_50P13_EP Projet de recherche en laboratoire
- PHY_51175_EP Statistical mechanics of learning
- P2 - PC-STQ Période 2 : PC - Sciences et Technologies Quantitatives
- PHY_52062_EP Optique Quantique : Photons
- PHY_52001_EP Physique Quantique Mésoscopique et Matière Topologique
- PHY_52067_EP Physique des composants semi-conducteurs
- APM_52188_EP Optimal Transport pour le Machine Learning et Fairness Algorithmique
- CSC_52087_EP Advanced Deep Learning
- APM_52009_EP Apprentissage automatique pour le calcul scientifique et l'analyse numérique
- PHY_52006_EP Computational and machine learning methods in quantum physics
- PHY_52007_EP Computational Plasmas physics
- PHY_52008_EP Computational high-energy physics
- PHY_52180_EP Information quantique : intrication, contrôle et plateformes pour les technologies quantiques
- PHY_50P13_EP Projet de recherche en laboratoire
- P1 - PC-STQ Période 1 : PC - Sciences et Technologies Quantitatives
- PHY_52901_EP Stage - Astrophysique Spatiale
- PHY_52991_EP Stage - Champs, particules et matière
- PHY_52992_EP Stage - Astrophysique et cosmologie
- PHY_52993_EP Stage - Semi-conducteurs et composants
- PHY_52994_EP Stage - Lasers, optique quantique et plasmas
- PHY_52995_EP Stage - Physique de la matière condensée
- PHY_52999_EP Stage - Technologies quantiques et matériaux quantiques