Musique | Dr. Goulu

Periodic Table of Rock

Tue, 24 Sep 2013 00:00:00 +0000

Drôle de question que je me suis posé en écoutant le génialissime “Lithium” de Nirvana : existe-t-il un morceau de musique portant le nom de chaque élément du tableau périodique ?

En anglais, presque ! Après recherche sur Spotify, voici ma playliste “ ”, dans laquelle j’ai préféré la francophonie, le rock voire le rap à la house/dance lorsque des alternatives existaient:

1. (MOON) 2. (Feeder) 3. (Nirvana ♥) 4. (The Jellybricks) 5. (Stabilizer) 6. (VNV Nation) 7. (Zero Cult) 8. (Part 4, Jean-Michel Jarre ♥) 9. (Manuel Mucua) 10. (Jay Sean) 11. (Malda) 12. (Tobia Coffa) 13. (Sundown) 14. (Sound of Guns) 15. (Mencea) 16. (Slipknot) 17. (Truly) 18. (Madaski) 19. (Franto) 20. (Pontius Copilot) 21. (Solxis) 22. (David Guetta + Sia) 23. (Rustless) 24. (John Rolodex) 25. (Simon Phillips) 26. (Within Temptation ♥) 27. (HUVA Network) 28. (Robert ♥) 29. (Tones on Tail) 30. (Aydio) 31. (Grewp) 32. (Foog) 33. (The Loved Ones) 34. (John Powell) 35. (Solxis) 36. (Mister Nostyle) 37. (Maschine) 38. (TrinEye) 39. (Magnetrixx) 40. (Nanophonyk) 41. (Bob Familiar) 42. (J Moir) 43. (Reso) 44. Ruthenium (???) 45. (Joseph Brittanny) 46. (Klear) 47. (Pixies) 48. (The Chemical Project) 49. (Mike Jung) 50. Angel (Bob Dylan) 51. (Skepticism) 52. (Geomatic) 53. (Icon for HIre) 54. (Milkman) 55. (Aircrash Bureau) 56. (Christopher Manik) 57. (Martin Wilkinson) 58. A Spark (Noize Index) 59. (Mika Vainio)

60. - En Fusion : 1297 K (Neodyme) 61. (Ram’s Head Lady Slipper) 62. (Out of Orion) (signalé par baba, pas sur Spotify) 63. (Professor Kazkaz) 64. (The Chemical Project feat. Monohead) 65. ( Kevin Crafts) 66. (Solxis) 67. (Taheem Jamaal) 68. (Solxis) 69. (Miche, Mirzinho) (signalé par baba) 70. minus (Ytterbium) 71. (Dawn Of Valor) 72. (Slik Helvetika) 73. (Williams) 74. (Vaganza Trailerpark) 75. Rhenium (un groupe s’appelle Rhenium, signalé par baba) 76. (Igneous Flame) 77. (Dark Tranquillity) 78. Chains (Michael Woods) 79. (Sir Sly) 80. (Moon Taxi) 81. (Tomohiko Sagae) 82. Paint (Acid King) 83. (FolloBane) (trouvé par Alan) 84. (Madee) 85. (Becidel) 86. (Radon) 87. (Decedy) 88. (Triage) 89. (Miche, Mirzinho) 90. (Danny Scrilla) 91. Protactinium (???) 92. (Emily Grogan) 93. (Sean Deason) 94. (Seigmen) 95. 241 (Atomic Bride) 96. 2013 ( Martin Tungevaag) 97. (Fishsticks) 98. (O Yuki Conjugate) 99. (Accustomed To Nothing) 100. (Autechre) 101. (Ramorae) 102. (Noxious Emotion) 103. Lawrencium (???) 104. Rutherfordium (???) 105. (Aldubb) 106. Seaborgium (???) 107. Bohrium (???) 108. (Ramorae) 109. Meitnerium (???) 110. (Richard Barrett) 111. Roentgenium (???) 112. (Systemerror) 113. Ununtrium (???) 114. Flerovium (???) 115. Ununpentium (???) 116. Livermorium (???) 117. (STA$D400) 118. (Fairmont)

Étonnamment complète, n’est-il pas ? Seuls 6 5 3 noms d’éléments inférieurs à 100 n’ont pas encore inspiré d’artistes !

(ajout du 19.12.2013 : El Jj a réalisé ce magnifique vrai tableau:)

Periodic Table of Rock par El Jj (cliquer pour agrandir)

Rock et science

Mon, 15 Oct 2012 00:00:00 +0000

Le mot “science” a beau figurer sur une , presque autant de noms de groupes et une multitude de titres de morceaux, ce n’est , .

Je ne connais qu’un groupe visiblement inspiré par la science : . Dans les albums “Supermassive Black Hole”, “ ", “Black Holes and Revelations”, “Starlight”, “Butterfly and hurricanes” et “Origin of Symmetry”, outre les titres, les références sont très discrètes : on devine un voyage interstellaire dans les paroles de “ ” mais on en reste souvent à la simple figure de style comme dans “ ” ou “ ”.

Ca évolue un peu avec le dernier album de Muse baptisé “The 2nd Law” en l’honneur du . Une voix l’énonce inlassablement, et correctement, dans :

In an isolated system, entropy can only increase.

Même si je ne partage pas de ce principe appliqué à l’économie de notre petite planète (qui n’est pas un système isolé du point de vue thermodynamique), j’aime bien le clip de “Unsustainable”, surtout le début:

Mais ce qui m’a plus intéressé, c’est l’image utilisée pour la couverture de l’album “The 2nd Law” :

Il s’agit d’une représentation des principales connexions du cerveau réalisée par le . A part les jolies couleurs, ça n’a rien à voir avec les fantastiques . Le Human Connectome utilise un scanner spécial développé avec Siemens

\[1\]

permettant d’obtenir le gradient (~la direction) des interconnectant les différentes zones du cerveau, puis des logiciels de modélisation et de visualisation du réseau pour produire ces images spectaculaires.

Après avoir un peu fouiné dans Spotify, je n’ai pas trouvé d’autre couverture de disque reprenant une illustration scientifique, ni de disque ou même de “chansons à textes” scientifiques. (références bienvenues dans les commentaires)

Peut-être parce que peu de rockers sont titulaires d’un doctorat. En fait je n’en connais qu’un, et pas des moindres puisque est du monde ( . Après avoir bricolé lui même sa légendaire “ ” et interrompu ses études en astrophysiques pour cause de Queen, il a rendu son travail de thèse

\[2\]

30 ans après l’avoir commencé.

Brian May a composé de nombreux tubes de Queen comme “We will rock you” et “The Show must go on”, mais aucun ne s’appelle “Zodiacal Dust”, hélas.

Qui osera publier le premier article scientifique sous forme de rock ?

Référence:

Van J Wedeen et al. “ ”, Proceeding of
Brian Harold May (2008). A survey of radial velocities in the zodiacal dust cloud. Springer.

Comment marche Shazam

Sat, 11 Jul 2009 00:00:00 +0000

Si vous ne connaissez pas , demandez à un propriétaire d’iPhone (eux) ou de Google Phone sous Androïd ( ) de vous montrer cette application incroyable. Si personne dans votre entourage ne vit au 21ème siècle, vous pouvez toujours regarder .

Vous ne rêvez pas : Shazam est capable d’identifier en quelques secondes la musique que vous êtes en train d’écouter à la radio, dans un bar bruyant, ou le générique d’une émission TV ou que sais-je. On dirige le micro du téléphone vers un haut-parleur, on clique un seul bouton et Shazam! le titre du morceau apparait, avec les liens qu’il faut pour l’acheter, évidemment. Business is business.

Ce qui nous intéresse ici, c’est de savoir comment diable Shazam fait pour reconnaitre quasi-instantanément 10 secondes de son parmi 8 millions de morceaux de musique de 3 minutes chacun, soit un total de 1.44 milliards de secondes, ou 45 ans de musique, et ceci même lorsque la musique est diffusée par une mauvaise sono et captée par un mauvais micro dans un environnement bruité. Ca ne vous épate peut être pas si vous n’êtes pas dans la technique, mais moi je suis resté coi d’une hébétude aussi stupéfaite qu’interloquée. Sur le cul, quoi.

Pour comprendre, j’ai un peu fouillé et trouvé que la technologie appartient à qui a notamment acquis la propriété intellectuelle de dénommés et David Culbert. Leur brevet de 2003

\[1\]

est un modèle du genre : il décrit le système en termes suffisamment généraux pour comprendre le principe, mais en évitant soigneusement de donner des informations précises sur comment ça marche vraiment. Mais voici tout de même ce que j’en ai compris.

Shazam compare des “empreintes” calculées à des instants remarquables du morceau, par exemple lorsque des notes apparaissent nettement dans le diagramme temps/fréquence du morceau. Pour des raisons expliquées plus bas il faut comparer environ une centaine d’empreintes, et comme Shazam demande d’enregistrer une dizaine de secondes de musique, j’en déduis qu’ils prennent environ 10 empreintes par seconde, donc que chaque morceau est stocké chez eux sous la forme de 1800 empreintes environ.

"FFT" est un joli petit programme qui affiche le diagramme temps/fréquence d’un mp3

Le brevet est extrêmement vague sur le problème clé du calcul des empreintes. Il mentionne une liste de caractéristiques du son qui pourraient être utilisées, et indique qu’un choix judicieux permet de s’affranchir de diverses perturbations du son, en particulier de décalages fréquentiels, mais surtout que l’empreinte peut être ramenée à un nombre de 32 bits seulement. Avec ce qui précède, il en résulte que les empreintes d’un morceau complet ne nécessitent que 7K de mémoire, et que toute la base de données de Shazam tient sur 54 Gigabytes seulement, ce qui veut dire qu’elle peut tenir dans la mémoire RAM d’une vingtaine de PC actuels.

Reste à retrouver dans cette masse d’empreintes la centaine d’empreintes obtenues à partir de la musique transmise depuis votre téléphone. Et là, la méthode est génialement simple : Pour chaque empreinte, Shazam regarde à quels morceaux elle pourrait appartenir en utilisant simplement l’empreinte comme une clé dans la base de données. En effet, comme 32 bits permettent de coder plus de 4 milliards de possibilités alors que la base ne contient “que” 14 milliards d’empreintes, une empreinte donnée se retrouve en moyenne dans 3 morceaux seulement. Puisque les empreintes tirées de l’échantillon sont bruitées, il faut comparer une centaine d’empreinte qui vont chacune correspondre à 3 morceaux, donc on se retrouvera avec 300 morceaux potentiellement candidats.

C’est là que le brevet de Shazam frappe fort : si 2 empreintes seulement correspondent à un même morceau, on considère que c’est celui-là ! En effet, il n’y a qu’environ un risque sur 25'000 que l’un des 300 morceaux suspecté à cause d’une empreinte bruitée corresponde à l’un des 3 morceaux identifié par une empreinte correcte.

La technologie de Shazam/Landmark permet aussi d’autres applications, comme reconnaître la musique utilisée dans les bandes son des vidéos sur YouTube et la virer si elle est soumise à copyright, ou peut-être aussi identifier des mp3 échangés sur des réseaux p2p, des trucs comme ça …

Car pour la reconnaissance de la musique, il y a désormais encore plus fort que Shazam : . Avec Midomi, il suffit de chantonner, siffloter ou hmmm-hmmm-er un air pour qu’il en retrouve le titre et l’auteur. Mais ça m’épate moins parce qu’avec moi, ça ne marche pas. Ni “Yellow Submarine”, ni “Frère Jacques”, ni même , rien.

Référence

WANG, Avery Li-Chun and CULBERT, Daniel, “Robust and invariant audio pattern matching”, 2003,
Avery Wang, “An Industrial-Strength Audio Search Algorithm”, 2003, ISMIR 2003, 4th International Conference on Music Information Retrieval, Baltimore, Maryland, USA \[article pdf](http://www.ee.columbia.edu/~dpwe/papers/Wang03-shazam.pdf)\] \[[slides pdf\]( ]_[[slides_pdf)(http://ismir2003.ismir.net/presentations/Wang.pdf)
\[altmetric doi="10.1145/1145287.1145312" float="right"\]Avery Wang “The Shazam music recognition service”, 2006 , Communications of the ACM - Music information retrieval Volume 49 Issue 8, Pages 44-48

Le rap du LHC

Sat, 02 Aug 2008 00:00:00 +0000

m’a indiqué un clip de rap sans blacks couverts de chaines ni nombrils à l’air, mais probablement le plus instructif qui soit :

et aussi de magnifiques images du CERN

\[slideshare id=792633534435766241\]

esFresh, l'usine à clips

Sun, 27 May 2007 00:00:00 +0000

Pandora : La boite à musique qui explose tout !

Sun, 07 Jan 2007 00:00:00 +0000