Comment trouver l'épaisseur d'un cristal sans essayer des milliers de combinaisons ✛ ✎

Original: "Scalable Bayesian Optimization of Composite Functions for Image-Based Inverse Problems in Materials Characterization"
arXiv:2609.02126v1 · 2026-09-02 · arXiv non-exclusive · analyse indépendante · 1 min
Les scientifiques ont réduit une figure de diffraction de 24 649 pixels à 11 nombres et ont trouvé l'épaisseur et l'inclinaison de l'échantillon en seulement 50 simulations.

Un interprète lors d'une négociation n'écoute pas chaque mot : il saisit le sens de phrases entières. De même, la nouvelle méthode SBOCF ne compare pas chaque pixel de la figure de diffraction à une simulation. Elle découpe l'image en neuf carrés, comme on divise une page en paragraphes, et pour chacun, elle calcule la somme des luminosités. Au lieu de 24 649 pixels, il ne reste que 11 nombres : neuf sommes et deux coefficients de correction.

Ces 11 nombres sont modélisés par des substituts peu coûteux de la simulation coûteuse, appelés processus gaussiens. La recherche intelligente, comme un négociateur expérimenté, choisit le prochain couple épaisseur-inclinaison qui promet la plus grande amélioration. Sur un échantillon synthétique de 380 Å d'épaisseur et d'inclinaison 1,5 mrad, la méthode a réduit l'erreur de 290 fois par rapport à l'ancienne approche, en ne dépensant que 50 simulations.

Auparavant, pour chaque nouveau matériau, il fallait essayer des milliers de simulations ou entraîner un réseau de neurones sur une grande bibliothèque. SBOCF ne nécessite pas d'entraînement : il utilise uniquement la structure du problème et 50 simulations.

Un interprète qui comprend le sens de phrases entières travaille plus vite et plus précisément. De même, SBOCF trouve l'épaisseur et l'inclinaison du cristal en 50 simulations et aide à construire une carte précise des atomes. La méthode peut déjà être appliquée dans les microscopes électroniques, et à l'avenir, en diffraction des rayons X.

Le nombre de sorties modélisées a été réduit de 24 649 à 11, soit plus de 2000 fois, tandis que l'erreur finale a diminué jusqu'à 290 fois. Si chaque simulation prenait une heure, le balayage complet d'une grille d'un million de points prendrait 114 ans, alors que SBOCF s'en sort en 50 heures.

f(x) = \sum_{k=1}^{M}\sum_{\ell=1}^{M} (y_{k,\ell}(x) - y^{true}_{k,\ell})^2
Fonction objectif à minimiser pour estimer les paramètres
f(x) = \epsilon(x) f_P(x) + \delta(x)
Relation entre les erreurs au niveau des pixels et des fragments
Notions
imagerie à pixel unique reconstruction d'image optimisation de l'imagerie par rayons X images synthétiques modélisation stochastique critère d'information classification d'images problème d'optimisation reconstruction 3D décomposition du signal modèle hiérarchique bayésien ajustement par moindres carrés