# Deep-learning-based quasi-phase retrieval for synchrotron tomography of fatigue cracks

Source: [Centre de rayonnement synchrotron](https://www.synchrotron-soleil.fr/fr/content/deep-learning-based-quasi-phase-retrieval-synchrotron-tomography-fatigue-cracks) · 2026-11-18 · Physique
Page: https://themorning.science/fr/story/deep-learning-based-quasi-phase-retrieval-for-synchrotron-tomography-of-fatigue-3937179ff375ac9f
Catégorie : Recherche · Impact : faible

## En bref

- Une équipe de recherche a publié dans la revue Materials Characterization une méthode de récupération quasi-phase fondée sur l'apprentissage profond, appliquée à la tomographie synchrotron.
- L'objet de l'étude est l'imagerie tridimensionnelle des fissures de fatigue dans les matériaux.
- L'article est signalé par le Centre de rayonnement synchrotron, sur le site de SOLEIL, avec six auteurs dont P. Wang, X. Zhang, X. Wang, J. M. Létang, J. Y. Buffière et C. Xiao.

## Pourquoi c’est important

Ces travaux visent à mieux observer les fissures de fatigue à l'intérieur des matériaux, ce qui intéresse la compréhension de leur rupture. Pour un lecteur non spécialiste, l'enjeu concret reste limité au domaine de la caractérisation des matériaux.

## Couverture

- [Deep-learning-based quasi-phase retrieval for synchrotron tomography of fatigue cracks](https://www.synchrotron-soleil.fr/fr/content/deep-learning-based-quasi-phase-retrieval-synchrotron-tomography-fatigue-cracks) — Centre de rayonnement synchrotron, 2026-11-18

Mots-clés: synchrotron, tomographie, fatigue des matériaux, apprentissage profond, caractérisation

---

Synthèse générée par IA (claude-haiku-5-5) à partir des articles listés sous Couverture. Les titres appartiennent à leurs éditeurs. The Morning Science – https://themorning.science/fr
