Unsupervised segmentation and clustering workflow for efficient processing of 4D-STEM and 5D-STEM data

Cet article présente un cadre de clustering non supervisé qui segmente efficacement les données 4D-STEM et 5D-STEM en domaines cristallographiques distincts, permettant une compression des données et une cartographie rapide de l'orientation, de la phase et de la contrainte, comme démontré sur la croissance de nanoparticules d'or en cellule liquide.

L'essentiel

🧐 Le Problème : Trop d'informations, trop vite !

Imaginez que vous essayez de prendre des photos d'une fourmilière très active. Vous voulez voir comment chaque fourmi bouge, quelle est sa direction et si elle porte quelque chose. Mais au lieu de prendre une photo, votre appareil photo prend des millions de photos à chaque seconde, et chaque photo contient non seulement l'image de la fourmi, mais aussi une analyse complexe de sa forme, de sa vitesse et de sa texture.

C'est ce qui se passe avec une technique appelée 4D-STEM (une sorte de super-microscope électronique). Les scientifiques peuvent voir la structure des atomes dans des matériaux, mais les données sont si énormes et si bruyantes (comme une photo prise dans le brouillard) qu'il est presque impossible de les analyser manuellement. C'est comme essayer de lire un livre entier écrit dans une langue que vous ne connaissez pas, alors que les pages tournent à la vitesse de l'éclair.

💡 La Solution : Le "Tri Intelligent" (Clustering)

Les auteurs de cet article, une équipe de chercheurs de Stanford, ont créé un nouveau logiciel pour résoudre ce problème. Ils appellent leur méthode un "workflow de segmentation non supervisée".

Pour faire simple, imaginez que vous avez un immense tas de Lego de toutes les couleurs, mélangés au hasard. Votre but est de trier ces Lego par couleur et par forme, mais vous ne voulez pas le faire un par un (ce serait trop long).

Leur méthode fonctionne comme un détective très rapide :

1. Il regarde les voisins : Le logiciel prend une "photo" (un motif de diffraction) et demande à ses voisins immédiats : "Hey, tu ressembles à quoi ?"
2. Il crée des groupes : Si deux voisins se ressemblent beaucoup (comme deux pièces Lego rouges identiques), ils se tiennent la main et forment un groupe.
3. Il trace les frontières : Le logiciel dessine des lignes autour de ces groupes pour séparer les "rouges" des "bleus" et des "verts". C'est comme tracer les contours d'un puzzle.

🌊 L'Analogie de la "Vague de Similitude"

Pour visualiser comment le logiciel trouve ces groupes, imaginez que vous lancez une pierre dans un étang calme. Les vagues s'étendent.

• Si l'eau est calme partout, les vagues voyagent loin.
• Mais si vous rencontrez un rocher (une zone différente), la vague s'arrête ou change de direction.

Le logiciel utilise une mathématique appelée "algorithme des carrés marchants" (marching squares). C'est comme un petit robot qui marche sur la surface de l'eau. Tant que l'eau est similaire (même "vague"), il continue de marcher et trace un cercle. Dès qu'il sent un changement brusque (un rocher, une autre structure), il s'arrête et commence à dessiner un nouveau cercle ailleurs.

📉 Les Résultats Magiques

Grâce à cette astuce, trois choses incroyables se produisent :

1. Le bruit disparaît (Le "Brouillard" se dissipe) : En regroupant des milliers de petites images similaires et en faisant leur "moyenne", le logiciel crée une image parfaite et nette. C'est comme si vous preniez 100 photos floues d'un visage et que vous les superposiez pour obtenir une photo HD parfaite.
2. La taille des données explose (dans le bon sens) : Au lieu d'avoir à analyser 260 000 images séparées, le logiciel dit : "Attendez, ces 10 000 images sont en fait le même groupe !" Il les réduit à une seule image représentative. C'est comme compresser un fichier vidéo de 10 Go en un fichier de 10 Mo sans perdre la qualité de l'image principale.
3. La vitesse démultipliée : Analyser 10 groupes est beaucoup plus rapide que d'analyser 260 000 images. Cela permet aux scientifiques de voir la structure des matériaux en temps réel, même dans des conditions difficiles (comme à l'intérieur d'une cellule liquide, où tout bouge).

🧪 L'Expérience Réelle : Des Nanoparticules d'Or

Pour prouver que leur méthode fonctionne, les chercheurs ont observé la croissance de nanoparticules d'or dans un liquide, sous un microscope. C'est un peu comme regarder des gouttes d'eau se former et grandir, mais à l'échelle des atomes.

Sans leur méthode, les images étaient floues et il était difficile de dire où finissait une particule et où commençait l'eau. Avec leur méthode de "tri intelligent", ils ont pu :

• Voir clairement les contours de chaque particule d'or.
• Mesurer la tension (la "pression") à l'intérieur de l'or.
• Comprendre comment les particules grandissent et s'orientent.

🚀 En Résumé

Cet article présente un outil logiciel qui agit comme un chef d'orchestre pour les données microscopiques. Au lieu de laisser les scientifiques se noyer dans une mer de données bruyantes et gigantesques, l'outil regroupe les informations similaires, nettoie le bruit, et permet de voir la structure réelle du monde microscopique avec une clarté étonnante.

C'est une avancée majeure pour l'avenir de la science des matériaux, permettant d'analyser des choses plus petites, plus vite et avec plus de précision, tout en économisant une quantité folle d'espace de stockage informatique.

Résumé technique

Titre : Workflow de segmentation et de clustering non supervisé pour le traitement efficace des données 4D-STEM et 5D-STEM

1. Problématique

La microscopie électronique en transmission à balayage en quatre dimensions (4D-STEM) permet de cartographier les informations de diffraction avec une résolution spatiale nanométrique, offrant des aperçus détaillés sur la structure locale, l'orientation et la contrainte. Cependant, l'augmentation de la dimensionalité des données et de la densité d'échantillonnage, en particulier pour les expériences in situ (5D-STEM), pose des défis majeurs :

• Volume de données : Les ensembles de données sont massifs, rendant le traitement et le stockage difficiles.
• Bruit et rapport signal/bruit : Les détecteurs modernes permettent des mesures rapides à faible dose, mais génèrent souvent des motifs de diffraction avec un faible rapport signal/bruit (SNR).
• Limites des méthodes actuelles : Les analyses traditionnelles reposent souvent sur des régions d'intérêt sélectionnées manuellement ou un seuillage global, ce qui peut ignorer des variations physiques subtiles. Les méthodes de clustering existantes (K-means, DBSCAN, etc.) sont souvent sensibles aux paramètres utilisateur, difficiles à appliquer à des ensembles de données variés, et peinent à capturer des régions de formes irrégulières ou hiérarchiquement imbriquées.
• Complexité des environnements in situ : Les cellules liquides ou gazeuses dégradent le SNR, rendant la segmentation fiable encore plus critique pour l'analyse quantitative.

2. Méthodologie

Les auteurs proposent un cadre de clustering basé sur l'algorithme des carrés marchants (marching squares) pour segmenter automatiquement les caractéristiques spatialement cohérentes dans les données 4D-STEM. Le workflow se déroule en plusieurs étapes clés :

• Prétraitement (Filtrage par corrélation de pixels) :

  • Pour améliorer le SNR, chaque motif de diffraction est flouté par une gaussienne dans l'espace réciproque.
  • Une pondération radiale est appliquée pour supprimer le faisceau direct et les artefacts de bord, tout en mettant l'accent sur les features de diffraction à haut angle.
  • Un coefficient de corrélation est calculé entre chaque pixel de référence et ses voisins immédiats. Les motifs sont ensuite moyennés avec leurs voisins corrélés pour créer un ensemble de données filtré, préservant la cohérence spatiale tout en réduisant le bruit.

• Calcul de la matrice de similarité :

  • Une similarité normalisée (corrélation cosinus) est calculée entre chaque motif de diffraction et ses huit voisins immédiats dans l'espace réel.
  • Un masque en espace réciproque peut être appliqué pour exclure le faisceau direct et ne conserver que les informations structurales pertinentes.

• Clustering par algorithmes de carrés marchants :

  • Un masque en espace réel est appliqué pour exclure les zones de fond ou à faible signal.
  • L'algorithme commence par le pixel non assigné ayant la plus haute similarité moyenne (graine).
  • Il étend récursivement le cluster en ajoutant les voisins dont la similarité dépasse un seuil défini par l'utilisateur ($T$).
  • Le processus se répète jusqu'à ce que tous les pixels soient assignés à un cluster ou masqués.

• Réduction de données et moyennage :

  • Pour chaque cluster identifié, un motif de diffraction moyen est généré.
  • Cela réduit la dimension de l'espace réel du nombre total de sondes ($N_{probe}$) au nombre de clusters ($N_{cluster}$), typiquement d'un facteur de $10^{-2}$ à $10^{-3}$.

• Analyse post-clustering :

  • Les motifs moyens sont utilisés pour la cartographie d'orientation (ACOM - Automated Crystal Orientation Mapping) et l'analyse de contrainte via le package open-source py4DSTEM.

3. Contributions Clés

• Algorithme de segmentation robuste : Développement d'une méthode de clustering non supervisé basée sur la similarité locale des motifs de diffraction et l'algorithme des carrés marchants, capable de délimiter des contours fermés de régions spatialement contiguës.
• Compression de données et amélioration du signal : Réduction drastique du volume de données (de plusieurs ordres de grandeur) tout en améliorant le rapport signal/bruit par moyennage régional, facilitant ainsi l'analyse ultérieure.
• Généralité et accessibilité : Le workflow est implémenté comme un module dans le package Python open-source py4DSTEM. Il ne nécessite que quelques paramètres ajustables (seuil de similarité, taille minimale du cluster), le rendant accessible à divers utilisateurs et adaptable à différents types de données.
• Applicabilité aux données 5D-STEM : La méthode est conçue pour être appliquée séquentiellement aux cadres individuels des expériences temporelles (5D-STEM), permettant une analyse in situ efficace.

4. Résultats

L'approche a été validée sur des données 4D-STEM in situ de la croissance de nanoparticules d'or (Au) dans une cellule liquide :

• Amélioration du SNR : Les motifs de diffraction moyennés par cluster montrent une visibilité nettement améliorée des features de diffraction, en particulier aux angles de diffusion élevés, par rapport aux motifs bruts.
• Efficacité computationnelle : La cartographie d'orientation (ACOM) nécessite de traiter un seul motif par cluster au lieu de chaque position de sonde. Cela réduit le coût computationnel d'un facteur $R = N_{cluster} / N_{probe}$ (typiquement $10^{-2}$ à $10^{-3}$), permettant une cartographie rapide et évolutive.
• Précision de l'orientation : Une validation croisée en damier a montré que le prétraitement combiné au clustering réduit l'erreur angulaire moyenne de 7,32° (données brutes) à 2,03°, démontrant une robustesse accrue de la détermination de l'orientation.
• Cartographie de contrainte : La méthode permet de générer des cartes de contrainte et d'orientation fiables, bien que des limitations subsistent dans les zones où les signaux de diffraction de grains voisins se superposent fortement (limitant l'association unique à un réseau de référence).

5. Signification et Impact

Ce travail présente une solution évolutive et généralisable pour le traitement des données multidimensionnelles en microscopie électronique.

• Gestion du Big Data : Il adresse le défi critique du volume de données croissant dans les expériences 4D/5D-STEM en permettant une réduction de données efficace sans perte d'informations structurelles fondamentales.
• Analyse quantitative : En améliorant le SNR et en réduisant la complexité computationnelle, la méthode rend possible une analyse quantitative rapide de l'orientation et de la contrainte, même dans des environnements bruyants comme les cellules liquides.
• Reproductibilité : La disponibilité du code et des workflows d'exemple dans l'écosystème py4DSTEM favorise la reproductibilité et la réutilisation par la communauté scientifique.
• Futur : Bien que des défis persistent dans les systèmes fortement polycristallins où les signaux sont mélangés, cette approche établit une base solide pour le développement de méthodes de segmentation en temps réel et d'analyses de corrélation dans la prochaine génération de microscopie électronique multidimensionnelle.