Imaginez-vous en train de zoomer sur une goutte séchée de solution saline : chaque motif est un chef-d’œuvre unique, rappelant l’art abstrait, mais ne dépassant pas la taille d’un centime.
De nouvelles recherches menées par des scientifiques du département de chimie et de biochimie de l’Université d’État de Floride utilisent les modèles formés par une solution de sel séché pour former un algorithme d’apprentissage automatique capable d’identifier la composition chimique de différents sels. L’ouvrage a été publié dans le Actes de l’Académie nationale des sciences.
« Nous prenons les empreintes chimiques de différents sels », a déclaré Oliver Steinbock, professeur de chimie à Cottrell. « En pensant au chlorure de sodium ou au sel de table, par exemple, parmi tous les échantillons de ce type, ils se ressemblent toujours. Il existe des différences d’un échantillon à l’autre, mais tous les exemples sont suffisamment distincts des autres types pour que nous puissions déterminer quel type de sel c’est. »
Lorsqu’une solution saline sèche, toutes sortes de forces entrent en jeu. Les chimistes ont étudié comment le mouvement des fluides, la croissance des cristaux, les facteurs environnementaux et d’autres processus interagissent pour déterminer la configuration des dépôts. Les chercheurs de la FSU ont abordé le problème dans la direction opposée : si on leur présentait le motif d’une gouttelette de solution séchée, pourraient-ils déterminer de quel type de sel il s’agissait ?
Vidéo montrant la croissance de divers sels capturée au microscope. Crédit : Olivier Steinbock
Pour ce faire, les chercheurs ont enregistré 7 500 photos de 42 types différents de taches de sel. À l’aide d’une nouvelle approche logicielle, ils ont traduit chaque image en 16 paramètres pouvant être rapidement analysés par des méthodes d’apprentissage automatique. Les paramètres capturent des caractéristiques telles que la zone de dépôt, la compacité et la texture. Chaque image a été traduite en chiffres qui codent de manière subtile la disposition des motifs de minuscules cristaux en anneaux, aiguilles et formes en forme de feuilles.
Pour tester la capacité de leur programme à prédire la composition, les chercheurs ont analysé des images supplémentaires qui ne faisaient pas partie de l’ensemble de données initial. Ces programmes ont réussi à identifier le bon sel dans 90 % des tentatives.
« Nous avons été surpris de voir à quel point cela a fonctionné », a déclaré Steinbock. « Qui croirait qu’à partir d’une photo, on puisse faire la différence entre le chlorure de sodium et le chlorure de potassium ? Ils se ressemblent beaucoup sur les photos. Mais la méthode est très bonne. »
Les chercheurs prévoient d’élargir l’ensemble de données de formation en analysant des centaines de milliers de nouvelles images, ce qui rendrait leur outil encore plus précis et polyvalent. Ce grand nombre nécessite une automatisation en laboratoire, et un tel imageur robotique de gouttes est actuellement testé dans le groupe de Steinbock.
« La différence entre un humain et un ordinateur est que l’ordinateur et nos logiciels peuvent le faire de manière quantitative », a déclaré Steinbock. « Si je devais vous présenter 7 500 images, vous seriez confus. Mais l’ordinateur s’améliore de plus en plus avec de plus en plus d’images. »
La capacité de fournir rapidement un aperçu de la composition chimique d’un échantillon à partir d’une photographie présente de nombreuses applications potentielles. Par exemple, équiper un rover explorant une autre planète d’un laboratoire de chimie complet serait difficile et coûteux, mais une caméra offre une alternative bon marché et légère. D’autres scénarios, tels que les tests de matériel pour la sécurité des laboratoires, le dépistage rapide des médicaments suspects ou les analyses sanguines à faible coût dans des endroits sans accès aux hôpitaux, offrent d’autres applications potentielles.
Un autre avantage de cette approche est qu’elle ne nécessite qu’une infime quantité de matériau. Avec seulement quelques milligrammes constituant un dépôt de sel, les utilisateurs pourraient comprendre ce qu’ils sont susceptibles de manipuler et éclairer leurs décisions sur la manière de procéder.
« Si vous voulez avoir une idée approximative de ce qu’est cette tache ou ce déversement sur une paillasse de laboratoire, vous pouvez l’utiliser comme une première analyse superficielle », a déclaré Bruno Batista, chercheur principal au laboratoire de Steinbock et auteur principal de l’article. .
Les co-auteurs de cet article étaient Semhare Tekle, chercheur de premier cycle au laboratoire de Steinbock ; Jie Yan, professeur au Département d’informatique de la Bowie State University ; et Beni Dangi, professeur agrégé au département de chimie de la Florida A&M University.
Pour voir plus d’images de modèles de sel analysés par le laboratoire de Steinbock, visitez la galerie SaltScapes sur le site Web de son groupe.
Plus d’information:
Steinbock, Oliver, Composition chimique à partir de photos : les gouttes de solution séchée révèlent un arbre morphogénétique, Actes de l’Académie nationale des sciences (2024). DOI : 10.1073/pnas.2405963121. est ce que je.org/10.1073/pnas.2405963121