Une minuscule étoile d'or fond sous le faisceau d'un microscope électronique, et ses branches s'arrondissent lentement. Autrefois, un tel processus ne pouvait être observé que par images fixes prises à de longs intervalles, et le faisceau lui-même modifiait l'échantillon. Aujourd'hui, les chercheurs filment un film continu : l'échantillon s'incline progressivement, et un algorithme assemble ce flux pour reconstruire une image tridimensionnelle à chaque instant.
Le secret réside dans le fait que l'inclinaison se fait sans interruption, et que l'ordinateur apprend à partir des données elles-mêmes, sans indications préalables. Il comprend comment la forme de la particule change et comble les lacunes entre les images. La dose d'électrons est ainsi plus faible que dans les approches anciennes, de sorte que les structures fragiles — comme les nanoparticules d'argent avec une coquille d'or — ne sont pas détruites avant la fin de l'enregistrement.
La méthode a été testée sur deux scénarios : comment les nanoétoiles d'or perdent leurs branches acérées lorsqu'on les chauffe, et comment les atomes d'or et d'argent se mélangent à l'intérieur d'un cube. Dans les deux cas, on a pu suivre l'évolution en volume, et non seulement en surface. C'est comme regarder non pas l'ombre d'un danseur, mais la danse elle-même sous tous les angles.
Désormais, les spécialistes des matériaux pourront observer comment changent les catalyseurs, les batteries ou les nanoparticules médicamenteuses pendant leur fonctionnement. Et le faire avec précaution, sans craindre que l'instrument lui-même ne vienne fausser l'expérience.
tel que rédigé par les auteurs, en anglais arXiv:2603.29462
Direct observation of nanoscale transformations in three dimensions (3D) is essential for understanding materials evolution under operating conditions, yet dynamic electron tomography remains limited by slow tilt series acquisition and by reconstruction methods that assume static specimens. These constraints prevent continuous 3D imaging of evolving structures and require electron doses that can alter the specimens and their dynamics. Here, we introduce a framework for dynamic electron tomography that combines continuous tilting with a self-supervised deep-learning reconstruction strategy. Our approach incorporates the temporal aspect into the electron tomography reconstruction process to recover 3D volumes at arbitrary time points from a single tilt series. We validate the method using simulations and demonstrate its merit in experimental studies of heat-induced transformations, including morphological evolution of Au nanostars and alloying in Au@Ag nanocubes. Our results establish a practical framework for dynamic, dose-efficient electron tomography, enabling in situ 3D investigation of nanomaterial transformations as well as the characterization of beam-sensitive structures.
Une nanoétoile d'or de moins de cent nanomètres, lorsqu'on la chauffe, perd ses branches acérées et devient semblable à une goutte — ce processus est maintenant visible en volume et en temps réel.
Cette technique rappelle les caméras des films de science-fiction qui enregistrent des hologrammes d'objets en mouvement, mais ici tout se passe dans le monde des atomes.