Study of the mechanical and viscoelastic properties of complex heterogeneous polymeric systems at the nanoscale and automated population identification

Les mélanges de polymères offrent plus de possibilités d'applications et de conception que les systèmes polymères simples grâce à la présence de microstructures, de phases et d'interfaces qui, influencent les propriétés macroscopiques. Pour comprendre la relation structure-propriétés de ces matériaux et accélérer leur développement, il est important de cartographier et d'identifier avec précision ces phases et interfaces, ainsi que leurs propriétés mécaniques locales. Plus spécifiquement dans le cas des polymères, il est nécessaire de s’intéresser à leurs propriétés mécaniques mais aussi viscoélastiques locales comme leurs modules de stockage E’, leurs modules de perte E’’ et leurs rapports E’’/E’ correspondant à leur facteur d’amortissement (tan .
La nano-DMA (nano-Dynamic Mechanical Analysis) [1] a récemment été développée pour mesurer ces propriétés à l'échelle locale en appliquant une sollicitation dynamique de la sonde à une fréquence donnée lors du contact prolongé avec l'échantillon. La nano-DMA peut ainsi produire des cartographies de propriétés à une fréquence donnée ou une évolution de ceux-ci en fonction de la fréquence de sollicitation en appliquant un « rampscript » de fréquences.
A titre d’exemple illustratif, notre étude a porté sur des échantillons industriels de polypropylène à haute résistance d'impact (High Impact PolyPropylene - HiPP). Ce type de matériau est souvent utilisé pour absorber les impacts, tels que les pare-chocs, et se compose généralement d'une matrice rigide de poly(propylène) avec des inclusions molles de caoutchouc (Figure 1). On peut observer des zones cristallisées plus solides au sein de ces inclusions molles. Pour les analyses, ces échantillons ont été cryomicrotomés et analysés en nano-DMA en cartographiant l'échantillon avec une résolution de 128 x 128 pixels après une analyse préalable en Peak Force Tapping afin d’identifier les zones d’intérêt.
L’identification précise des différentes zones qui constitue l’échantillon ainsi que l’attribution de leur interphase peut poser un problème. Nous avons développé un logiciel (code Python) de data clustering qui, à partir des cartographies des différentes propriétés partitionne les données en différentes populations statistiques indépendantes qu’il est alors possible d’attribuer aux différentes zones caractéristiques.
In fine, ce logiciel peut également être utilisé pour déterminer pour chaque pixel une valeur de coefficient de Tabor [2], permettant par la suite d’attribuer le modèle de contact mécanique le mieux adapté. Cela permet une évaluation plus précise du module de rigidité d’un échantillon hétérogène.