Les réactions chimiques pourraient être sondées encore plus en détail à l'aide d'une méthode inventée par des chercheurs impériaux qui caractérise mieux les rayons X ultrarapides.

Les rayons X peuvent être utilisés pour étudier les structures de, et les réactions entre, molécules à très petite échelle et à grande vitesse. Pour faire ça, les scientifiques utilisent des lasers à électrons libres (FEL) pour créer un train d'impulsions de rayons X.

Cela permet aux chercheurs de sonder certains des processus fondamentaux de la chimie et de la biologie - tels que les mécanismes de la photosynthèse et les réactions des acides aminés, qui sont les éléments constitutifs de la vie.

Cependant, Les FEL sont intrinsèquement instables, ce qui signifie que les propriétés des rayons X résultants peuvent varier d'une impulsion à l'autre. Cela peut entraîner des inexactitudes dans les mesures effectuées à l'aide de ces rayons X.

Il existe des méthodes pour mesurer les propriétés réelles des rayons X produits, mais ils peuvent interférer avec l'expérience, et beaucoup ne seront pas en mesure de suivre les fréquences d'impulsions très rapides de la prochaine génération de FEL à rayons X, comme le XFEL européen à Hambourg (actuellement en test) et le Linac Coherent Light Source II (LCLS-II) aux États-Unis.

Maintenant, une équipe de recherche dirigée par des physiciens de l'Imperial College de Londres a utilisé une technique d'intelligence artificielle connue sous le nom d'apprentissage automatique pour prédire avec précision les propriétés des rayons X. Ces prédictions sont basées sur certaines mesures du FEL, qui peut être effectuée assez rapidement pour correspondre à la vitesse des rayons X.

Mille fois plus de données

Les résultats de l'étude, impliquant 18 instituts de recherche du Royaume-Uni, Allemagne, Suède, les États-Unis et le Japon, sont publiés aujourd'hui dans Communication Nature .

L'auteur principal de la nouvelle étude, Alvaro Sanchez-Gonzalez du Département de physique de l'Impériale, a déclaré :"Pour les instruments actuels, qui génèrent une centaine d'impulsions par seconde, la nature lente de la caractérisation par rayons X signifie que parfois jusqu'à la moitié des données sont inutilisables.

"Ce problème ne sera aggravé que par les instruments de nouvelle génération, comme le XFEL européen ou le LCLS-II, conçu pour générer des centaines de milliers d'impulsions par seconde.

"Notre méthode résout efficacement le problème, et devrait fonctionner sur les nouveaux instruments ainsi que sur les anciens sur lesquels nous l'avons testé. Cela permettra de collecter des données utiles jusqu'à mille fois plus rapidement."

La rapidité de la technique permet d'explorer plus en détail les réactions chimiques, comme des changements dans les molécules pourraient être observés sur des échelles de temps plus courtes, jusqu'à quelques femtosecondes (un quadrillionième de seconde).

Le chercheur principal, le professeur Jon Marangos du département de physique de l'Imperial, a déclaré:"Ces expériences à tir rapide nous permettront d'observer des interactions qui se produisent généralement trop rapidement pour que nous puissions les capturer.

« Ils permettront également aux chercheurs de construire des « films moléculaires » de ces processus ultrarapides, par exemple pour voir comment les atomes et même les électrons les plus rapides se déplacent lors d'une réaction chimique"

Prédire les propriétés des rayons X

Les chercheurs savaient qu'il y avait des centaines de variables dans le FEL qui pourraient potentiellement être utilisées pour prédire les propriétés des rayons X, mais il faudrait beaucoup de temps pour vérifier manuellement chacun d'entre eux. L'équipe – qui comprenait les étudiants de dernière année du premier cycle en MSci Paul Micaelli et Charles Olivier à l'Imperial – a donc créé un programme d'apprentissage automatique pour faire le travail à leur place.

L'apprentissage automatique implique un logiciel conçu pour rechercher des modèles dans de grands ensembles de données, construire des modèles, puis tester les prédictions basées sur ces modèles, s'améliorant au fur et à mesure. Ils ont utilisé les données du SLAC National Accelerator Laboratory de l'Université de Stanford, NOUS, pour entraîner certains de ces modèles à trouver automatiquement des variables et des corrélations clés qui pourraient être utilisées pour prédire les propriétés des rayons X avec une grande précision.

L'équipe espère que leur méthode pourra être installée directement dans les instruments FEL à rayons X, permettant aux chercheurs du monde entier qui y accèdent de bénéficier d'un plus grand pool de données sans appliquer le programme séparément eux-mêmes.