Le contrôle de la formation de gouttes à l’aide de systèmes microfluidiques est une opération critique pour les applications de laboratoire et industrielles (e.g. transport, extraction, …). Une des stratégies habituellement utilisées pour améliorer la stabilité et contrôler la taille des gouttes est d’utiliser des agents de surfaces actifs (tensioactifs ou colloïdes) afin de modifier les propriétés de l’interface.

Dans un premier temps, cette présentation se concentre sur l’impact des agents de surface actifs sur la formation de gouttes dans des microcanaux. Des mesures expérimentales ont révélé que, dans des configurations microfluidiques, les tensioactifs « lents » n’ont pas le temps d’être totalement absorbés par l’interface durant la formation de la goutte. Dans ce cas, contrairement aux tensioactifs dits « rapides », une tension interfaciale dynamique doit être prise en compte afin de décrire correctement le système. De plus, en combinant des mesures microPIV et des simulations CFD, il a été montré que l’ajout de tensioactifs modifie la topologie de l’écoulement, influençant la dynamique de formation et de transport des gouttes dans le canal. Finalement, en explorant les alternatives aux tensioactifs, l’apparition d’effets viscoélastiques lors de la création de gouttes a été observée lorsque des particules colloïdales sont utilisées pour stabiliser l’interface de la goutte.

Dans un second temps, l’utilisation de méthodes d’apprentissage automatique appliquées à la microfluidique est abordée. En entraînant des modèles simples (BRANN, XGBOOST), il est possible d’estimer la taille de gouttes chargées en tensioactifs en utilisant un nombre réduit de variables d’entrée. Les résultats ont montré que ces modèles réduisent l’erreur de prédiction par rapport aux modèles semi-empiriques de la littérature. Parallèlement, les méthodes d’apprentissage automatique montrent un fort potentiel pour le traitement et à l’analyse d’images complexes. Par exemple, pour des images à faible contraste ou à faible résolution spatiale, les outils de super-résolution et/ou de débruitage peuvent venir en aide pour extraire des informations là où les méthodes classiques échouent, permettant ainsi une analyse plus fine des phénomènes microfluidiques