L'imagerie RAPID offre de nombreuses opportunités avec un apprentissage en profondeur

3 avril 2023

Cet article a été révisé conformément au processus éditorial et aux politiques de Science X. Les éditeurs ont mis en évidence les attributs suivants tout en garantissant la crédibilité du contenu :

fact-vérifié

source fiable

relire

par l'Académie chinoise des sciences

L'imagerie tridimensionnelle (3D) à l'échelle nanométrique permet d'obtenir des informations importantes sur la biologie et les comportements des matériaux, notamment la fonction virale, les dommages structurels et la nanoélectronique.

Une façon est de le faire de manière destructrice. Les chercheurs immobiliseraient leur spécimen, graveraient finement la couche supérieure avec un faisceau de particules, imageraient les caractéristiques révélées avec un microscope électronique à balayage ou des méthodes similaires à haute résolution, et répéteraient ce processus jusqu'à ce que tout le volume du spécimen ait été consommé. Cependant, dans de nombreux cas, il est préférable d'opérer de manière non destructive, et alors une forme de tomographie est nécessaire.

Dans un nouvel article publié dans eLight, une équipe de scientifiques dirigée par le professeur Ziling Wu du Massachusetts Institute of Technology, a développé une nouvelle méthode de reconstruction pour l'imagerie 3D.

L'équipe de recherche a utilisé des circuits intégrés (CI) comme exemple car ils présentaient certaines commodités pratiques. Les circuits intégrés sont rigides et ne nécessitent donc aucune fixation. Ils sont également très utiles pour la vérification des processus de fabrication, l'analyse des défaillances et la détection des contrefaçons. D'autre part, le défi de l'imagerie 3D IC augmente avec le temps en raison de la loi de Moore.

Pour l'imagerie IC 3D non destructive à l'échelle nanométrique, les rayons X durs sont des sondes idéales en raison de leur longue profondeur de pénétration et de leur courte longueur d'onde. Contrairement à la tomographie médicale à rayons X, cependant, qui fonctionne presque toujours sur l'intensité des projections, dans le cas de l'échelle nanométrique, il est courant de rechercher d'abord le champ complexe via la ptychographie, puis de faire de la tomographie. Ce schéma combiné est également connu sous le nom de tomographie ptychographique à rayons X (ptycho-tomographie).

Il y a plusieurs raisons de le faire. Par exemple, si l'approximation de projection est toujours applicable, les scientifiques peuvent effectuer deux reconstructions tomographiques en parallèle. La plupart des matériaux présentent des variations de phase 10 fois plus importantes que leurs variations d'absorption respectives.

Les reconstructions par ptycho-tomographie aux rayons X sont réalisées dans le même ordre que l'acquisition expérimentale, en deux étapes. Tout d'abord, des projections 2D sont récupérées à partir de modèles de diffraction en champ lointain à l'aide d'algorithmes de récupération de phase, puis des reconstructions tomographiques sont mises en œuvre pour récupérer les parties réelles et/ou imaginaires d'un objet 3D à partir de projections 2D.

De nombreuses applications ont été démontrées avec succès avec cette approche en deux étapes. Ces applications comprennent l'imagerie IC, l'imagerie d'organismes microscopiques et les études des propriétés des matériaux telles que la fracture, la percolation et l'hydratation. Cependant, la ptychographie et la tomographie exigent une grande redondance des données, ce qui entraîne généralement de longs temps d'acquisition et de traitement.

Une façon de réduire le temps d'acquisition consiste à utiliser des scanners de haute précision qui peuvent fonctionner de manière fiable avec des schémas de numérisation efficaces et à des vitesses de numérisation élevées. La réduction des exigences de redondance des données en ptycho-tomographie est une autre façon d'accélérer l'acquisition des données mais introduit une mauvaise pose. Cependant, avec des données réduites, les algorithmes de reconstruction conventionnels sont susceptibles de produire des artefacts et une perte générale de fidélité.

Les approches d'apprentissage supervisé sont souvent une source de préoccupation concernant la capacité de généralisation à des données nouvelles et inédites. Les chercheurs ont proposé une stratégie pour s'entraîner sur un sous-ensemble de l'échantillon, où une méthode alternative fiable mais par ailleurs très lente peut être utilisée pour obtenir des vérités de terrain ; puis utiliser le réseau ferroviaire sur le reste de l'échantillon, accélérant considérablement l'ensemble de l'opération. Cette approche est attrayante pour les circuits intégrés ou d'autres grands spécimens 3D.

Il est possible que l'apprentissage par transfert puisse alléger les efforts de formation de RAPID à nouveau pour de nouvelles expériences. Pour des spécimens encore plus généraux, comme les virus et les nanoparticules, des performances comparables peuvent être attendues, mais très probablement au prix d'une refonte de l'architecture d'apprentissage.

Plus d'information: Ziling Wu et al, Imagerie ptycho-tomographique tridimensionnelle à angle réduit à l'échelle nanométrique avec apprentissage en profondeur (RAPID), eLight (2023). DOI : 10.1186/s43593-022-00037-9

Fourni par l'Académie chinoise des sciences