Переводчик на переговорах не вслушивается в каждое слово: он ловит смысл целых фраз. В электронной микроскопии похожая задача: нужно понять, какой толщины кристалл и под каким наклоном он стоит в пучке, а на руках только дифракционная картина — узор из тысяч светлых и тёмных пятен. Каждый пиксель этой картины сравнивать с симуляцией слишком дорого, поэтому учёные предложили слушать не отдельные слова, а смысл фрагментов.
Метод SBOCF разрезает изображение на девять квадратов, как страницу на абзацы, и для каждого считает сумму яркостей. Вместо 24 649 пикселей остаётся 11 чисел: девять сумм плюс два поправочных коэффициента, которые улавливают остаточное расхождение. Эти числа моделируются независимыми гауссовскими процессами — дешёвыми заменителями дорогой симуляции. Байесовская оптимизация, словно опытный переговорщик, выбирает следующий набор толщины и наклона, который обещает наибольшее улучшение.
Раньше для каждого нового материала приходилось либо перебирать тысячи симуляций, либо обучать нейросеть на большой библиотеке. SBOCF не требует обучающей выборки: он использует только структуру целевой функции и бюджет в 50 симуляций. На экспериментальных данных оценки толщины и наклона согласуются с ранее опубликованными, а время выбора следующей точки — около 0,2 минуты на итерацию.
Переводчик, который умеет слышать смысл целых фраз, справляется быстрее и точнее. Так и SBOCF, сводя задачу к 11 числам, находит параметры кристалла за 50 симуляций и улучшает последующую реконструкцию атомной структуры. Метод уже можно встраивать в рабочий процесс электронной микроскопии, а в будущем применять к рентгеновской дифракции или нейтронному рассеянию.
Число моделируемых выходов сократилось с 24 649 до 11, то есть более чем в 2000 раз, при этом итоговая ошибка уменьшилась до 290 раз. Если бы каждая симуляция занимала час, полный перебор сетки из миллиона точек занял бы 114 лет, а SBOCF справляется за 50 часов.