Les réseaux de neurones analysent les structures cristallines et les configurations moléculaires dans les applications de vision par ordinateur.L'imagerie cristalline par réseaux de neurones désigne l'utilisation de réseaux de neurones artificiels pour analyser et interpréter des images de structures cristallines et de configurations moléculaires. En science des matériaux et en chimie, cette approche automatise la classification et l'analyse de millions de micrographies, ce qui serait irréalisable pour des chercheurs humains. Cette technique est particulièrement précieuse pour identifier les orientations cristallines, détecter les défauts et cartographier les caractéristiques structurelles sur de grands ensembles de données.
L'application des réseaux de neurones à la cristallographie a pris de l'ampleur dans les années 2010 avec l'essor de l'apprentissage profond et la disponibilité de grands ensembles de données annotées issues d'expériences à haut débit.
Les réseaux de neurones convolutifs (CNN) sont entraînés sur des images étiquetées de cristaux, apprenant à reconnaître des motifs associés à des caractéristiques structurelles spécifiques. Une fois entraînés, le réseau traite de nouvelles images en extrayant des caractéristiques hiérarchiques—des simples contours et textures aux agencements géométriques complexes—et les mappe à des classifications ou des mesures. Pour la détermination de l'orientation, le réseau peut être conçu pour produire directement les axes de symétrie du cristal à partir de l'image, contournant ainsi l'analyse traditionnelle par diffraction.
Utilisée dans la caractérisation automatisée des matériaux, le contrôle qualité dans la fabrication de semi-conducteurs, et le criblage à haut débit d'échantillons cristallins dans la recherche pharmaceutique et sur les batteries.
Les réseaux de neurones peuvent déterminer l'orientation d'un cristal à partir d'une seule image optique, une tâche qui nécessitait traditionnellement un équipement de diffraction des rayons X.













