Une page de l’histoire de l’IPhT se tourne avec le départ de Sylvie !

Sylvie Zaffanella est embauchée au CEA/Saclay en 1976, après un passage de deux ans au CNRS. Entrée en 1981 au SPhT, comme s’appelait alors l’IPhT, comme opératrice traitement de texte (à l’époque révolue où les chercheurs faisaient “frapper” leurs manuscrits par une équipe de personnes qualifiées sur des machines à écrire à boules, puis par traitement de texte sur PC). Elle monte rapidement en compétences, et devient responsable du groupe de frappe scientifique en 1991.

En 1995 Sylvie devient secrétaire et assistante du chef de l’IPhT, poste qu’elle occupera auprès de cinq chefs de service, puis d’institut !

Durant ces presque vingt-cinq ans sur ce poste, Sylvie s’est dépensée sans compter sur beaucoup de fronts. Elle n’a ménagé ni son temps ni son énergie, au service de l’IPhT et de ses chercheurs, dont beaucoup sont devenus pour elle des amis. Sylvie fait valoir aujourd’hui ses droits à la retraite, amplement méritée après trente-huit années dans l’Institut ! Elle nous laissera un souvenir durable, et nous tenons tous à la remercier chaleureusement. Très bonne retraite Sylvie !

Arrivée de Camille Flouret

Camille Flouret succède à Sylvie au sein du groupe support et gestion de l’IPhT dirigé par Caroline Meysson, où elle rejoint Laure Sauboy et Carine Roger-Roulling.

Camille vient d’un autre institut de la DRF, l’IRAMIS, où elle exerçait les fonctions de gestionnaire finance. Bienvenue Camille, et bonne intégration à l’IPhT !

Les trous noirs sont sans doute parmi les objets les plus mystérieux prédits par la Relativité Générale d'Einstein. Ils restent plus fascinants que jamais car ils se trouvent souvent au cœur des paradoxes entre la mécanique quantique et la relativité générale. La résolution de ces paradoxes conduit les physiciens théoriciens à formuler des conjectures profondes sur les structures fondamentales de la théorie de la gravité quantique. L'une des plus importantes de ces conjectures, connue sous le nom de «Weak Gravity Conjecture», a été proposée dans ce contexte en 2006 par Arkani-Hamed et ses collaborateurs. La version la plus simple de cette conjecture stipule que le rapport charge/masse des trous noirs électriquement chargés, au stade final de l'évaporation de Hawking, doit être supérieur à un, en unité de Planck,  dans tous les univers régis par la mécanique quantique. En termes simples, la conjecture dit que la gravité doit nécessairement être la force à longue portée la plus faible.

Dans un article récent, à paraître dans la revue Physical Review Letters (préprint disponible sur https://arxiv.org/abs/1902.03250 et publié dans https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.123.251103), B. Bellazzini de l'IPhT et ses collaborateurs ont enfin fourni une preuve rigoureuse de cette conjecture. Ce résultat important a été obtenu par une ingénieuse «expérience de pensée» où les photons sont dispersés dans un univers où l'une des dimensions de l'espace a été compactée sur un cercle, même si finalement les résultats s’appliquent en fait à notre espace-temps à 4 dimensions habituel. Etablir les propriétés quantiques des trous noirs correspond à constituer une base solide pour les propriétés fondamentales de la gravité quantique. Par ailleurs, la même expérience de pensée a également été utilisée dans le même article pour étudier l'énergie sombre et d'autres théories de la gravité modifiées de la gravité qui visent à expliquer l'accélération de l'univers.

L'apprentissage automatique, qui comprend une large gamme d'algorithmes et d'outils utilisés pour traitement des données, est entrée dans la plupart des disciplines scientifiques ces dernières années. Les sciences physiques ne font pas exception. Un article dans Reviews of Moderns Physics (https://journals.aps.org/rmp/recent), co-écrit par Lenka Zdeborová de l'IPhT, couvre les recherches récentes sur l'interface entre l'apprentissage automatique et les sciences physiques. Il passe en revue les développements conceptuels de l'apprentissage automatique motivés par des connaissances physiques, ainsi que les applications des techniques d'apprentissage automatique à plusieurs domaines de la physique et la fertilisation croisée entre les deux domaines. Il présente la notion de base des méthodes et principes d'apprentissage automatique, puis il décrit des exemples de la façon dont la physique statistique est utilisée pour comprendre les méthodes d'apprentissage automatique. Il passe ensuite à la description des applications des méthodes d'apprentissage automatique en physique des particules et en cosmologie, en physique quantique à plusieurs corps, en informatique quantique et en physique chimique et des matériaux. Il met également en évidence la recherche et le développement de nouvelles architectures informatiques visant à accélérer l'apprentissage automatique.

1015 (0 Ko)