La nanoindentation est vitale pour sonder les propriétés mécaniques à l'échelle du nano au micron. Cependant, les flux de travail traditionnels basés sur une grille sont inefficaces pour cibler des caractéristiques microstructurelles spécifiques. Un cadre de nanoindentation automatisé est présenté, conçu pour soutenir l'expérimentation habilitée par l'apprentissage automatique. Le système fonctionne en trois modes : automatisation standard, indentation basée sur les caractéristiques par correspondance image-coordonnée, et indentation à grande échelle avec un alignement complet le long des axes x, y et z. Une indentation précise est réalisée en alignant directement l'échantillon sous l'indenteur, atténuant ainsi les erreurs de distance de déplacement initiales (2,5-6 μm). L'étalonnage pixel-micron permet une navigation précise entre les images optiques et les emplacements physiques d'indentation. Les démonstrations de référence illustrent une indentation spécifique à une phase et guidée par orientation rendue possible par les cartes auto-organisatrices de caractéristiques et l'imagerie macro. Le cadre améliore la précision, réduit l'intervention de l'utilisateur et permet une caractérisation ciblée efficace de matériaux complexes. En établissant une interface directe entre les systèmes de nanoindentation et les cadres d'automatisation basés sur Python, l'approche peut être adaptée à la plupart des plateformes de nanoindenteurs existants. Ce travail jette les bases pour des tests mécaniques autonomes de prochaine génération de matériaux microstructurellement complexes.
Chawla et al. (Mercredi,) ont étudié cette question.