Le microscope électronique balaie l'échantillon et enregistre en chaque point la façon dont les électrons sont diffusés par les atomes. On obtient une pile gigantesque d'images – une par point. Elles contiennent des informations sur l'arrangement des atomes : rangées régulières ou décalées, orientation du réseau cristallin, présence de contraintes internes.

Le problème, c'est qu'il y a des millions de ces images, et qu'il est impossible de les trier à la main. Les auteurs de l'étude proposent de détecter automatiquement les zones où le diagramme de diffraction est presque identique. Les images similaires sont regroupées, et pour chaque groupe on obtient un motif moyen – net et sans bruit. Ainsi, du chaos de millions d'images naît une carte de quelques dizaines de zones.

Cette approche réduit considérablement le volume de données – des centaines de fois. Les détails importants ne sont pas perdus, au contraire, ils deviennent plus visibles : la moyenne élimine le bruit aléatoire. La méthode ne s'applique pas seulement aux échantillons statiques, mais aussi à l'observation de processus en temps réel, comme la croissance des cristaux.

Les auteurs ont testé l'algorithme sur des données de croissance de nanoparticules d'or en milieu liquide. Le microscope a filmé l'agrandissement des particules, et le programme a séparé en direct les images selon les types d'empilement cristallin. Cela a permis d'observer comment la structure de chaque particule évolue individuellement.

Désormais, les spécialistes des matériaux disposent d'un outil qui transforme les données brutes du microscope en une carte compréhensible : où se trouve quelle phase, comment le réseau est orienté, où il y a des contraintes. Cela accélère l'analyse et aide à repérer des régularités qui se perdaient auparavant dans le bruit.