Depuis longtemps, l’industrie pharmaceutique fait face au défi de surveiller les caractéristiques des mélanges de séchage, une étape cruciale dans la production de médicaments et de composés chimiques. Actuellement, deux méthodes non invasives sont couramment utilisées pour cette caractérisation : l’imagerie d’échantillons pour compter les particules individuelles, ou l’utilisation de la lumière diffusée pour estimer la distribution granulométrique (PSD). La première méthode est chronophage et entraîne un gaspillage accru, rendant la seconde plus attrayante.
Ces dernières années, des ingénieurs et chercheurs du MIT ont mis au point une approche combinant la physique et l’apprentissage automatique pour l’analyse de la lumière diffusée. Cette méthode a montré des améliorations dans les processus de fabrication des pilules et des poudres pharmaceutiques, augmentant l’efficacité et la précision tout en réduisant le nombre de lots défectueux. Un nouvel article en libre accès, « Estimation non invasive de la distribution granulométrique de la poudre à partir d’une seule image de speckle« , publié dans la revue Light: Science & Applications, propose une approche encore plus rapide.
« Comprendre le comportement de la lumière diffusée est l’un des sujets les plus importants en optique », déclare Qihang Zhang, PhD ’23, chercheur associé à l’Université Tsinghua. « En approfondissant l’analyse de la lumière diffusée, nous avons également créé un outil utile pour l’industrie pharmaceutique. Identifier le problème et le résoudre en étudiant les principes fondamentaux est ce qui excite le plus notre équipe de recherche. »
L’article présente une nouvelle méthode d’estimation de la PSD, basée sur l’ingénierie des élèves, qui réduit le nombre d’images nécessaires pour l’analyse. « Notre modèle basé sur l’apprentissage peut estimer la distribution de la taille des particules à partir d’une seule image instantanée de chatoiement, réduisant ainsi le temps de reconstruction de 15 secondes à seulement 0,25 seconde », expliquent les chercheurs.
« Notre principale contribution dans ce travail est d’accélérer de 60 fois une méthode de détection de la taille des particules, grâce à une optimisation conjointe de l’algorithme et du matériel », explique Zhang. « Cette sonde à grande vitesse est capable de détecter les variations de taille dans des systèmes dynamiques rapides, fournissant ainsi une plateforme pour étudier les modèles de processus dans l’industrie pharmaceutique, notamment le séchage, le mélange et le mélange. »
Cette technique offre une sonde granulométrique non invasive et peu coûteuse en collectant la lumière rétrodiffusée par les surfaces de la poudre. Le prototype compact et portable est compatible avec la plupart des systèmes de séchage du marché, à condition qu’il y ait une fenêtre d’observation. Cette approche de mesure en ligne peut aider à contrôler les processus de fabrication, améliorant ainsi l’efficacité et la qualité des produits. De plus, l’absence de surveillance en ligne empêchait l’étude systématique des modèles dynamiques dans les processus de fabrication. Cette sonde pourrait fournir une nouvelle plateforme pour mener des recherches en série et modéliser l’évolution de la taille des particules.
Ce travail, fruit d’une collaboration réussie entre physiciens et ingénieurs, est issu du programme MIT-Takeda. Les collaborateurs sont affiliés à trois départements du MIT : génie mécanique, génie chimique, et génie électrique et informatique. George Barbastathis, professeur de génie mécanique au MIT, est l’auteur principal de l’article.
