ARTEMIA — Intelligence Artificielle appliquée à la microscopie électronique in situ à très haute résolution

De nombreuses techniques d'imagerie, en particulier en microscopie électronique en transmission environnementale (ETEM), génèrent des images présentant un rapport signal/bruit, un contraste et une résolution spatio-temporelle dégradés, qui nuisent à la quantification et à l'interprétation fiable des données. De plus, l'extraction d'informations structurales à partir de ces images repose sur une acquisition manuelle et sur une identification structurale locale qui ne permet pas une analyse statistique des données et introduise nécessairement un biais humain effectué au stade du post-traitement. L’objectif général du projet ARTEMIA sera de développer un cadre unique basé sur l'apprentissage profond pour la microscopie in situ en milieux liquide et gazeux permettant l'acquisition et l'analyse automatisée, à haut débit et en temps réel de séquences d'images ETEM. Notre approche combinera l'imagerie ETEM in situ corrigée des aberrations en utilisant des nanoréacteurs liquides/gazeux et des techniques débruitage et d'amélioration de la résolution d’image mises en place à l'aide de réseaux de neurones convolutifs (CNN). Pour l'entraînement du modèle, des ensembles de données constitués d'images MET en phase liquide et gazeuse synthétiques seront générés par des simulations atomistiques incluant le bruit instrumental et les imperfections de l'optique du microscope. Dans le projet ARTEMIA, les réseaux CNN seront appliqués à l'étude de deux échantillons cristallins aux caractéristiques structurelles et à la sensibilité au faisceau d'électrons complémentaires, des nanoparticules d'or (Au NPs) modèles et une zéolite microporeuse, dans des environnements gazeux et/ou liquides réactifs. Notre objectif scientifique sera d'acquérir une meilleure compréhension des mécanismes de croissance de nanoparticules d'or modèles en phase liquide et de leur réactivité dans des environnements gazeux oxydants et réducteurs d'une part, et du processus de vaporisation de la zéolithe sensible au faisceau d'autre part. Le consortium est constitué trois partenaires académiques (MPQ, LEM, IPCMS) et un partenaire EPIC (IFPEN) avec des expertises complémentaires en ETEM en phase liquide et gaz, en science des données et en traitement d'images, en particulier par des approches d'apprentissage profond, en la modélisation atomistique et la simulation d'images MET.