Soi

Blog

MaisonMaison / Blog / Soi

Apr 28, 2024

Soi

Light Publishing Center, Changchun Institute of Optics, Fine Mechanics And Physics, image CAS : (a) Mesure SA-XPCS sur la configuration de la goutte pendante sur la ligne de faisceau 8-ID-I, Advanced Photon Source. L'encart

Light Publishing Center, Institut d'optique, de mécanique fine et de physique de Changchun, CAS

image : (a) Mesure SA-XPCS sur la configuration de la goutte pendante sur Beamline 8-ID-I, Advanced Photon Source. L'encart de gauche montre la comparaison des résultats XPCS de la goutte pendante et des configurations de référence, et l'encart de droite montre une image optique zoomée de la goutte suspendue à la pointe de la pipette pendant la mesure. Le laser rouge est utilisé pour l'alignement grossier du faisceau de rayons X dans le sens vertical. (b) « Jumeau numérique » de la configuration du pendentif robotique dans la simulation Nvidia Isaac, où la pipette électronique est ancrée sur la plaque de montage pour les mesures aux rayons X. Les lignes et flèches rouges indiquent les faisceaux de rayons X entrants et diffusés. Les éléments étiquetés sur la figure sont : 1. Bras robotique ; 2. Pipette électronique ; 3. Plaques de montage ; 4. Changeur d'outils robotisé ; 5. Miroir réfléchissant avec passage de rayons X de 1 mm de diamètre ; 6. Microscope optique et système de caméra ; 7. Station de préparation d’échantillons avec plaques PCR et pointes de pipettes. (c) L'installation de suspension robotique dans le laboratoire de chimie adjacent de la Beamline 8-ID-I, où la pipette électronique est montrée en train de ramasser une nouvelle pointe de pipette pour la manipulation de liquide. L'encart en haut à droite montre la goutte suspendue capturée par le système optique en ligne.Voir plus

Crédit : par Qingteng Zhang

Les matières douces sont omniprésentes dans notre vie quotidienne, de la nourriture que nous consommons aux produits que nous utilisons en passant par les matériaux qui composent notre corps. Quelques exemples de matériaux mous comprennent la crème, le dentifrice et le sang. La plupart des matériaux mous sont des fluides complexes, ce qui signifie qu’ils contiennent un mélange macroscopiquement uniforme de deux phases ou plus. La compétition dynamique entre les structures des phases dans un matériau mou peut avoir un impact significatif non seulement sur ses propriétés, mais également sur l'accordabilité et la réversibilité de ces propriétés. Par exemple, certains liquides deviennent temporairement plus fluidiques après l'application d'un cisaillement (c'est-à-dire un amincissement par cisaillement). Le ketchup est conçu de cette façon pour qu'il s'écoule plus facilement lorsqu'il est extrait d'une bouteille et qu'il reste immobile lorsqu'il est sur une assiette. Comprendre la dynamique spontanée des structures spatiales formées par des phases concurrentes dans diverses conditions est donc essentiel pour la conception sur mesure de matériaux souples.

La caractérisation de la dynamique spontanée dans les matériaux mous est une tâche difficile. Prenons un flacon de nanoparticules de silice en suspension dans l’eau, qui est un matériau mou relativement simple. La dynamique des nanoparticules (c'est-à-dire le mouvement brownien) se produit à l'échelle nanométrique et à l'échelle de la microseconde, ce qui rend impossible le suivi de l'emplacement exact de chaque particule dans le flacon à chaque instant. De telles informations peuvent également s'avérer inutiles dans la mesure où les propriétés macroscopiques du matériau mou sont généralement déterminées par les statistiques de la dynamique, c'est-à-dire la vitesse à laquelle le système évolue à une échelle de longueur particulière. Il s’agit de la quantité fondamentale rapportée par la spectroscopie de corrélation de photons (PCS, également connue sous le nom de Dynamic Light Scattering). En PCS, un laser optique est transmis à travers la suspension de nanoparticules et la variation de la position des nanoparticules est évaluée via la décorrélation temporelle de l'intensité de la lumière diffusée. Toutefois, le PCS ne convient pas aux matériaux opaques. De plus, le PCS ne peut pas mesurer la diffusivité des systèmes dans lesquels les particules ne diffusent pas librement et la dynamique ne peut pas être décrite par l'équation d'Einstein-Stokes (par exemple, les gels colloïdaux). Ces limitations sont finalement résolues par le développement de la spectroscopie de corrélation de photons à rayons X (XPCS).

XPCS est une technique puissante pour caractériser la dynamique spontanée des matériaux mous. Il utilise un faisceau de rayons X spatialement cohérent (c'est-à-dire « de type laser ») pour sonder la dynamique à toutes les échelles de longueur dans la plage du micron au nanomètre. Ceci est rendu possible par l'utilisation d'un détecteur à grande surface pixellisée, qui permet d'enregistrer simultanément la dynamique à toutes les échelles de longueur puisque l'angle de diffusion est inversement proportionnel à l'échelle de longueur qu'il représente. Le plus gros inconvénient de XPCS est qu’il est beaucoup moins disponible que PCS. Tout d’abord, il existe actuellement moins de 10 synchrotrons dans le monde capables de réaliser des expériences XPCS. Deuxièmement, les rayons X cohérents sont obtenus en recadrant spatialement le faisceau de rayons X du synchrotron pour sélectionner la partie cohérente, ce qui entraîne une réduction de 10 à 100 fois du flux de rayons X. Cependant, ces problèmes sont résolus par la construction et la mise en service mondiales de sources de rayons X de quatrième génération. Ces sources augmenteront le flux de rayons X cohérent jusqu'à 100 fois, réduisant ainsi jusqu'à 10 000 fois le temps de mesure des caractérisations XPCS à flux limité. Même si cela augmentera considérablement la disponibilité de XPCS, cela créera également un nouveau goulot d’étranglement : la bande passante humaine. Les utilisateurs de l’installation ne seront pas en mesure de réaliser autant d’échantillons ni de traiter autant d’informations. Ce défi convient toutefois parfaitement au domaine en croissance rapide de l’IA et de la robotique.