論文の概要: Scalable Bayesian Optimization of Composite Functions for Image-Based Inverse Problems in Materials Characterization

• arxiv url: http://arxiv.org/abs/2609.02126v1
• Date: Wed, 02 Sep 2026 05:34:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.094234
• Title: Scalable Bayesian Optimization of Composite Functions for Image-Based Inverse Problems in Materials Characterization
• Title（参考訳）: 材料評価における画像ベース逆問題に対する複合関数のスケーラブルベイズ最適化
• Authors: Dasol Yoon, Poompol Buathong, Chia-Hao Lee, Yujia Zhang, David A. Muller, Peter I. Frazier,
• Abstract要約: 物理パラメータを科学的画像から推定することは、材料評価において一般的な逆問題である。 複合関数(SBOCF)のスケーラブルベイズ最適化を提案する。 SBOCFは、画像マッチング対象の既知の合成構造と、シミュレーション画像に含まれる中間情報を利用する。
• 参考スコア（独自算出の注目度）: 5.770536692916853
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating physical parameters from scientific images is a common inverse problem in materials characterization that often relies on expensive physics-based simulations. In electron microscopy, specimen thickness and crystal mistilt are critical parameters that govern how electrons scatter through the sample, and therefore the accuracy of any atomic-scale structure recovered from it. They are commonly inferred by matching experimental position-averaged convergent-beam electron diffraction (PACBED) patterns to simulated ones, but grid searches scale poorly and neural-network methods require extensive pretraining that may not transfer to new conditions. Here, we propose scalable Bayesian optimization of composite functions (SBOCF), a simulation-efficient method that exploits the known composite structure of the image-matching objective and the intermediate information contained in simulated images. By representing PACBED images with patch-level summaries and two correction terms, SBOCF preserves the original pixel-wise objective while reducing the number of modeled outputs from 24,649 to 11. Under a budget of 50 simulator evaluations, SBOCF outperformed standard Bayesian optimization with expected improvement on synthetic SrTiO3 benchmarks with thick and thin specimens, reducing the median final SSE by up to 290x in the thick-sample case. On experimental data, SBOCF produced parameter estimates consistent with previously reported values without task-specific pretraining. For a simulated mistilted specimen, using the SBOCF estimates in a downstream ptychographic reconstruction recovered sharp atoms that were otherwise blurred. These results establish SBOCF as a promising approach for inverse problems involving expensive simulators and high-dimensional structured outputs.
• Abstract（参考訳）: 物理パラメータを科学的画像から推定することは、しばしば高価な物理に基づくシミュレーションに依存する材料特性の一般的な逆問題である。 電子顕微鏡では、試料の厚さと結晶のミスティルトは電子が試料を通して散乱する方法を規定する重要なパラメータであり、そのため原子スケールの構造の精度が回復する。 これらは一般に、実験的な位置平均収束ビーム電子回折(PACBED)パターンとシミュレーションされたパターンをマッチングすることによって推測されるが、グリッドサーチは不十分であり、ニューラル・ネットワーク法では、新しい条件に移行しない広範な事前学習が必要である。 本稿では、画像マッチング対象の既知の合成構造とシミュレーション画像に含まれる中間情報を利用するシミュレーション効率の高い合成関数(SBOCF)のスケーラブルベイズ最適化を提案する。 パッチレベルの要約と2つの補正項でPACBED画像を表現することにより、SBOCFは、モデル化された出力数を24,649から11に減らしながら、元の画素単位の目的を保っている。 シミュレーション評価50件の予算で,SBOCFは,SrTiO3ベンチマークの厚みと薄さを期待してベイズ最適化の標準性能を向上し,厚み試料の場合の中央値SSEを最大290倍まで低減した。 実験データに基づいて、SBOCFはタスク固有の事前学習を行わずに、以前報告した値と一致するパラメータ推定を生成した。 模擬ミスチルト標本では、下流のポチコグラフィーで推定されたSBOCFを用いて、それ以外はぼやけた鋭い原子を回収した。 これらの結果は、高価なシミュレータと高次元構造出力を含む逆問題に対する有望なアプローチとしてSBOCFを確立している。

関連論文リスト

• Physics-Informed Deep Learning Model for Cross-Modality Super-Resolution in Fluorescence Microscopy [0.0]
  クロスモダリティ画像変換は、低解像度画像からの超高分解能蛍光顕微鏡への経路を提供する。 共焦点-STED画像変換のための物理インフォームド生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2026-07-23T11:16:26Z)
• PDE-Constrained Optimization for Neural Image Segmentation with Physics Priors [0.0]
  顕微鏡画像の画像は、計測ノイズ、弱い物体境界、限られたラベル付きデータによる不適切な逆問題を構成する。 本研究では,PDE制約付き最適化問題としてイメージセグメンテーションを定式化し,物理的に動機付けられた事前処理を深層学習モデルに統合する。 LIVECellデータセットは、高画質で手動による位相コントラスト顕微鏡画像の収集である。
  論文  参考訳（メタデータ） (2026-02-01T07:28:14Z)
• Compressed BC-LISTA via Low-Rank Convolutional Decomposition [47.15001096567547]
  圧縮前方・後方演算子を用いたマルチチャネルイメージングのためのスパース信号回復法(SSR)について検討した。 本稿では,低ランク畳み込みネットワーク(CNN)分解に基づくCBC(Compressed Block-Convolutional)測定モデルを提案する。
  論文  参考訳（メタデータ） (2026-01-30T16:33:51Z)
• Equilibrium Matching: Generative Modeling with Implicit Energy-Based Models [52.74448905289362]
  EqMは、平衡力学の観点から構築された生成モデリングフレームワークである。 時間条件の速度を統一された平衡景観に置き換えることで、EqMは流れとエネルギーベースのモデルの間により緊密な橋渡しを提供する。
  論文  参考訳（メタデータ） (2025-10-02T17:59:06Z)
• CryoSplat: Gaussian Splatting for Cryo-EM Homogeneous Reconstruction [48.45613121595709]
  低温電子顕微鏡(cryo-EM)は、分子構造をほぼ原子の分解能で決定するのに役立つ。 単一粒子Cryo-EMにおける中心的な計算課題は、未知の方向で取得されたノイズの多い2Dプロジェクションから分子の3次元静電ポテンシャルを再構築することである。 本稿では,GMMをベースとしたCryoSplatを提案し,Gaussian splattingとCryo-EM画像形成の物理を統合する。
  論文  参考訳（メタデータ） (2025-08-06T23:24:43Z)
• CryoFastAR: Fast Cryo-EM Ab Initio Reconstruction Made Easy [58.86576215228903]
  我々はCryo-EMノイズ画像から直接ポーズを予測できる最初の幾何学的基礎モデルであるCryoFastARを紹介した。 CryoFastARは、マルチビュー機能と、大規模シミュレーションされたCryo-EMデータに現実的なノイズとCTF変調を統合することで、ポーズ推定精度と一般化を向上する。
  論文  参考訳（メタデータ） (2025-06-06T08:32:32Z)
• ResPF: Residual Poisson Flow for Efficient and Physically Consistent Sparse-View CT Reconstruction [7.644299873269135]
  スパース・ビュー・コンピュート・トモグラフィー(CT)は、放射線線量を減らすための実用的な方法であるが、結果として生じる逆問題により、正確な画像再構成に重大な課題が生じる。 生成モデリングの最近の進歩、特にポアソンフロー生成モデル(PFGM)は、高忠実度画像合成を可能にする。 本稿では, 残余ポアソンフロー(ResPF)生成モデルを提案する。
  論文  参考訳（メタデータ） (2025-06-06T01:43:35Z)
• Generalized Compressed Sensing for Image Reconstruction with Diffusion Probabilistic Models [10.297832938258841]
  このような測定を最適化するための確立された方法は、主成分分析(PCA)、独立成分分析(ICA)、圧縮センシング(CS)などである。 本稿では,効率的な画像再構成のための線形測定の最適化手法を提案する。 2つの自然画像データセットに対して得られた最適測定値がPCA,ICA,CSと異なり,平均2乗再構成誤差が著しく低いことを示す。
  論文  参考訳（メタデータ） (2024-05-22T20:38:58Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。