Connu sous le nom de Sequential Profile Adjustment by Regression (SPAR), cette nouvelle technique d’analyse statistique identifie et élimine les erreurs systématiques, bruits et artefacts liés aux équipements. Elle pourrait alors mener vers des mesures expérimentales sur les nanomatériaux et les nanostructures plus précises et plus fiables et, par la suite, permettre une application industrielle.
En effet, une compréhension précise des propriétés à l’échelle nanométrique est essentielle pour les fabricants de nanostructures et nanomatériaux. Le développement des futures applications industrielles avec une production à grande échelle requiert des performances constantes. Selon C.F Jeff Wu, professeur à Georgia Institute of Technology, "notre modèle statistique sera utile quand l’industrie des nanomatériaux produira à plus grande échelle les produits élaborés dans des laboratoires, car les utilisateurs industriels ne peuvent se permettent de réaliser une étude détaillée sur chaque chaîne de production. Les erreurs significatives relatives aux conditions expérimentales peuvent être filtrées directement, ce qui signifie que ce modèle pourrait être utilisé dans un processus de fabrication".
Les mesures des propriétés à l’échelle nanométrique, et la séparation des signaux, des bruits et des artefacts, sont des problèmes persistents depuis plusieurs années pour la recherche dans ce domaine. En effet, il existe de nombreuses sources d’erreur sur les mesures, telles que le glissement de la structure étudiée, les irrégularités de surface ou l’imprécision de placement de la pointe du microscope sur les échantillons. En outre, les effets mesurés étant parfois seulement 2 ou 3 fois supérieurs au niveau du bruit, ils sont alors très difficiles à différencier correctement, sans oublier que le bruit peut éventuellement masquer d’autres effets intéressants.
Pour développer la technique SPAR, les chercheurs se sont appuyés sur un échantillon de données mesurant la déformation d’un matériau appelé "nanobelt", fait d’oxyde de zinc, ceci permettant de déterminer le mode d’élasticité du matériau. Théoriquement, en appliquant une force sur ce matériau, grâce à un microscope à force atomique, une déformation linéaire se produit. Or, expérimentalement, ceci n’est que très rarement mesuré. Des forces supplémentaires apparaissent et créent une plus forte déformation, parfois même non symétrique. Pour rectifier ces erreurs, l’équipe du Georgia Institute of Technology a développé un modèle de correction qui, appliqué aux données recueillies, rectifie pas à pas les mesures, grâce à une technique de régression.
Il est vrai qu’idéalement en Sciences Physiques, les chercheurs souhaitent comprendre et corriger directement les causes réelles des erreurs expérimentales, mais comme le fait remarquer V.Roshan Joseph, professeur à Georgia Tech, pour de telles échelles ceci est très difficile à réaliser. Il ajoute : "les modèles physiques sont fondés sur quelques suppositions qui peuvent parfois être faussées dans la réalité. Nous pourrions tenter d’identifier toutes les sources d’erreur puis les corriger, mais ceci prendrait énormément de temps. Les méthodes statistiques ont l’avantage de corriger plus facilement ces erreurs, c’est pourquoi ce processus parait meilleur pour des applications industrielles".
Outre la correction d’erreur, la plus grande précision de cette nouvelle technique statistique SPAR permettrait de réduire les efforts nécessaires pour produire des données expérimentales fiables sur les propriétés des nanostructures. Ainsi le professeur Wu affirme : "avec seulement la moitié des efforts habituellement nécessaires à la conduite d’une expérience, il est possible d’obtenir la même déviation qu’avec les méthodes sans correction. Ceci permet un gain de temps significatif.". Par ailleurs, l’équipe prévoit d’utiliser cette correction, sur des expériences passées afin de vérifier que des signaux intéressants n’ont pas été cachés par le bruit.
Financée par la National Science Fondation, la recherche a été publiée dans le numéro du 25 juin, 2009 du journal Proceedings of the National Academy of Sciences [1].
Source :
"Statistical Technique Improves Precision of Nanotechnology Data" John Toon – 30/06/09
https://www.gatech.edu/newsroom/release.html?id=3091
Pour en savoir plus, contacts :
[1] https://www.pnas.org/content/early/2009/06/24/0808758106.full.pdf+html?sid=f3e8c498-1814-4f23-94ce-b6fd036a28a7
Code brève
ADIT : 59811
Rédacteur :
Arnaud Souillé ; [email protected]
