論文の概要: Realistic mask generation for matter-wave lithography via machine
learning
- arxiv url: http://arxiv.org/abs/2207.08723v1
- Date: Fri, 15 Jul 2022 09:14:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-20 07:48:53.712116
- Title: Realistic mask generation for matter-wave lithography via machine
learning
- Title（参考訳）: 機械学習による物質波リソグラフィーのためのリアルマスク生成
- Authors: Johannes Fiedler and Adri\`a Salvador Palau and Eivind Kristen Osestad
and Pekka Parviainen and Bodil Holst
- Abstract要約: 準安定原子を対象としたマスク生成のための機械学習手法を提案する。
マスクの初期近似を生成するために、新しいディープニューラルアーキテクチャを訓練する。
この近似は、任意の精度に収束できる遺伝的最適化アルゴリズムの初期集団を生成するために用いられる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fast production of large area patterns with nanometre resolution is crucial
for the established semiconductor industry and for enabling industrial-scale
production of next-generation quantum devices. Metastable atom lithography with
binary holography masks has been suggested as a higher resolution/low-cost
alternative to the current state of the art: extreme ultraviolet (EUV)
lithography. However, it was recently shown that the interaction of the
metastable atoms with the mask material (SiN) leads to a strong perturbation of
the wavefront, not included in existing mask generation theory, which is based
on classical scalar waves. This means that the inverse problem (creating a mask
based on the desired pattern) cannot be solved analytically even in 1D. Here we
present a machine learning approach to mask generation targeted for metastable
atoms. Our algorithm uses a combination of genetic optimisation and deep
learning to obtain the mask. A novel deep neural architecture is trained to
produce an initial approximation of the mask. This approximation is then used
to generate the initial population of the genetic optimisation algorithm that
can converge to arbitrary precision. We demonstrate the generation of arbitrary
1D patterns for system dimensions within the Fraunhofer approximation limit.
- Abstract（参考訳）: ナノメートル分解能を持つ大規模パターンの高速生産は、確立された半導体産業や次世代量子デバイスの産業規模の生産を可能にするために重要である。
二次元ホログラフィーマスクを用いた準安定原子リソグラフィーは、現在の最先端技術である極紫外リソグラフィー(EUV)の高解像度/低コストの代替として提案されている。
しかし、近年、準安定原子とマスク物質(SiN)の相互作用は、従来のスカラー波に基づくマスク生成理論には含まれない、波面の強い摂動をもたらすことが示されている。
これは、1dでも逆問題(所望のパターンに基づいてマスクを作成する)は解析的に解決できないことを意味する。
ここでは,準安定原子を対象としたマスク生成のための機械学習手法を提案する。
我々のアルゴリズムは、遺伝的最適化と深層学習を組み合わせてマスクを得る。
マスクの初期近似を生成するために、新しいディープニューラルネットワークアーキテクチャを訓練する。
この近似は、任意の精度に収束できる遺伝的最適化アルゴリズムの初期集団を生成するために用いられる。
フラウンホーファー近似限界内におけるシステム次元の任意の1次元パターンの生成を示す。
関連論文リスト
- PriorPath: Coarse-To-Fine Approach for Controlled De-Novo Pathology Semantic Masks Generation [0.0]
粗い粒度の画像から得られた詳細でリアルなセマンティックマスクを生成するパイプラインであるPresidePathを提案する。
このアプローチにより、生成されたマスクの空間配置を制御でき、結果として合成画像が生成される。
論文 参考訳（メタデータ） (2024-11-25T15:57:19Z) - GPU-Accelerated Inverse Lithography Towards High Quality Curvy Mask Generation [5.373749225521622]
Inverse Lithography Technology (ILT)は、フォトマスクの設計と最適化のための有望なソリューションとして登場した。
輪郭品質とプロセスウィンドウを改善するGPU加速型ILTアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-11T19:10:58Z) - ColorMAE: Exploring data-independent masking strategies in Masked AutoEncoders [53.3185750528969]
Masked AutoEncoders (MAE)は、堅牢な自己管理フレームワークとして登場した。
データに依存しないColorMAEという手法を導入し、ランダムノイズをフィルタすることで異なる二元マスクパターンを生成する。
ランダムマスキングと比較して,下流タスクにおける戦略の優位性を示す。
論文 参考訳（メタデータ） (2024-07-17T22:04:00Z) - MEGA: Masked Generative Autoencoder for Human Mesh Recovery [33.26995842920877]
単一のRGB画像からのヒューマンメッシュの回復は、非常にあいまいな問題である。
ほとんどのHMR手法はこの問題を見逃し、曖昧さを考慮せずに単一の予測を行う。
本研究は,マスク生成モデルに基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2024-05-29T07:40:31Z) - Optical tweezer generation using automated alignment and adaptive optics [0.0]
微調整を実現するための光学アライメントの最先端の精度は、手動制御の限界に達している。
光学手動アライメントの基本的な技法の1つは、レーザービームの横断歩行である。
この手法を用いて, 高い開口目標を機械的に整列させ, 高品質なツイーザを製作可能であることを示す。
論文 参考訳（メタデータ） (2023-12-20T18:40:37Z) - Unsupervised Anomaly Detection in Medical Images Using Masked Diffusion
Model [7.116982044576858]
Masked Image Modeling (MIM) と Masked Frequency Modeling (MFM) は、モデルがラベルのないデータから視覚表現を学習できるようにする自己教師型アプローチである。
腫瘍と多発性硬化症病変を含むデータセットについて検討した。
論文 参考訳（メタデータ） (2023-05-31T14:04:11Z) - Towards Improved Input Masking for Convolutional Neural Networks [66.99060157800403]
層マスキングと呼ぶCNNのための新しいマスキング手法を提案する。
本手法は,マスク形状や色がモデル出力に与える影響を排除あるいは最小化することができることを示す。
また,マスクの形状がクラスに関する情報を漏洩させる可能性を示し,クラス関連特徴に対するモデル依存度の推定に影響を及ぼすことを示した。
論文 参考訳（メタデータ） (2022-11-26T19:31:49Z) - An Adversarial Active Sampling-based Data Augmentation Framework for
Manufacturable Chip Design [55.62660894625669]
リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。
機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。
本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-27T20:53:39Z) - Large Scale Mask Optimization Via Convolutional Fourier Neural Operator
and Litho-Guided Self Training [54.16367467777526]
マスクタスクを効率的に学習できる畳み込みニューラルネットワーク(CFCF)を提案する。
機械学習ベースのフレームワークが初めて、最先端の数値マスクデータセットを上回った。
論文 参考訳（メタデータ） (2022-07-08T16:39:31Z) - Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。
HSI再構成のための深層学習にHSI空間を埋め込んだCST
特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
論文 参考訳（メタデータ） (2022-03-09T16:17:47Z) - End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。
本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。
我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
論文 参考訳（メタデータ） (2021-08-21T09:08:41Z)
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。