ここ数年、多くの研究分野でSPM技術の使用が大幅に増加しました。ベルギーのモンス大学（UMONS）材料科学工学研究所内のナノ材料・エネルギー物理学研究所（LPNE）所長であるフィリップ・ルクレ教授は、この増加による影響を研究しており、彼のチームが材料特性に関する大量のデータをナノスケールで分析およびマッピングするという課題にどのように取り組んでいるかを説明しています。
走査型プローブ顕微鏡（SPM）は、新規の軟機能材料の出現と、ナノスケールでの物理的特性の特性評価を担う主要ツールの1つです。
SPM におけるビッグデータの問題
ナノ材料・エネルギー物理学研究所（LPNE）では、SPMは、ほんの数例を挙げると、環境発電、有機エレクトロニクス、バイオセンサー、自己組織化、バイオテクノロジー、ライフサイエンス、ナノ医療などの分野の材料で直面するさまざまな課題の解決に役立ちます。
最近市販されている高度なSPM技術の数は非常に速い速度で増加し続けており、これにより膨大な量のデータが生成されます。
材料の実際の機械的特性をナノスケールで定量的にマッピングすることは、専門家にとって大きな課題となります。
収集された観測データの数も急速に増加しており、機械学習プロセスは現在、ユーザーが独立してデータを分析できるほど十分に成熟しています。メーカーによって提案されている既存のイメージングモードのほとんどは、収集全体において（解析的に利用可能な数少ないモデルのうちの）接触機械モデルの1つを考慮しています。
図1。 PS-PCLポリマーブレンドのデータ分析をアンディ・ウォーホル風に表現。パネルA.各画像は、PFTまたはn-DMAによって取得された観察値（または材料特性）の1つを表します。パネルB.データ・クラスタリングの結果（ここではk = 2）。パネルC.使用される接触力学モデルに応じた剛性係数マップの計算。パネルD.計算されたターバー係数マップ、選択されたモデル、および最適なモデルに従った剛性係数の再マッピング。
PS-PCLでの剛性係数の再計算
この成長する研究分野におけるLPNEの貢献は主に、アプローチ－リトラクトフォースカーブ解析に基づいた各ピクセルに最適な接触力学モデルを使用したデータのクラスタリングと材料特性のマッピングで構成されています。
これらすべてのチャネルをMountainsSPIP®ソフトウェアにインポートしてより深い解析、特に統計解析を行い、ソフトウェアのレンダリング機能を活用することを目的として、剛性係数などの機械的特性を再計算することができました。
図1は、ピークフォースタッピング（PFT）およびナノ動的機械分析（n-DMA）技術を使用した、ポリスチレン（30%）とポリカプロラクトン（70%）からなるポリマーブレンドに対するこのアプローチの機能を示しています。ポリスチレン（PS）は、ポリカプロラクトン（PCL）の半結晶マトリックス内で円形の物体を形成します。
このプロセスは、ナノ複合材料、ヒドロゲル、ブロック共重合体、化粧品、細菌など、他の多くの材料に拡張され、成功を収めています。
データ・クラスタリング・プロセスでは、電気、磁気、熱、または圧電特性に対応するあらゆるチャネルを観測可能な入力値として考慮できるため、あらゆる材料特性にまで分析を拡張できる点を強調することが重要です。
この目的のために、主成分分析、K平均法、またはガウス混合モデルアルゴリズムを使用しました。
図2。再計算された剛性係数ヒストグラム（左）と、対応するトポグラフィーチャネルに重ねられた再計算された係数の3D視覚化（右）。
お問合せ
フィリップ・ルクレル教授 – philippe.leclere@umons.ac.be – @LpneUmons
使用される機器とソフトウェア
走査プローブ顕微鏡（Bruker Dimension Icon）およびMountainsSPIP® 10ソフトウェア。