論文の概要: Neural Lithography: Close the Design-to-Manufacturing Gap in
Computational Optics with a 'Real2Sim' Learned Photolithography Simulator
- arxiv url: http://arxiv.org/abs/2309.17343v1
- Date: Fri, 29 Sep 2023 15:50:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-02 12:54:39.665513
- Title: Neural Lithography: Close the Design-to-Manufacturing Gap in
Computational Optics with a 'Real2Sim' Learned Photolithography Simulator
- Title（参考訳）: ニューラルリソグラフィ:'real2sim'学習フォトリソグラフィシミュレータによる計算光学における設計と製造のギャップを閉じる
- Authors: Cheng Zheng, Guangyuan Zhao, Peter T.C. So
- Abstract要約: 計算光学における「デザイン・ツー・マニュファクチャリング」のギャップに対処するために,ニューラルリソグラフィを導入する。
本稿では,事前学習したフォトリソグラフィーシミュレータをモデルベース光設計ループに統合する,完全に微分可能な設計フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 2.033983045970252
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce neural lithography to address the 'design-to-manufacturing' gap
in computational optics. Computational optics with large design degrees of
freedom enable advanced functionalities and performance beyond traditional
optics. However, the existing design approaches often overlook the numerical
modeling of the manufacturing process, which can result in significant
performance deviation between the design and the fabricated optics. To bridge
this gap, we, for the first time, propose a fully differentiable design
framework that integrates a pre-trained photolithography simulator into the
model-based optical design loop. Leveraging a blend of physics-informed
modeling and data-driven training using experimentally collected datasets, our
photolithography simulator serves as a regularizer on fabrication feasibility
during design, compensating for structure discrepancies introduced in the
lithography process. We demonstrate the effectiveness of our approach through
two typical tasks in computational optics, where we design and fabricate a
holographic optical element (HOE) and a multi-level diffractive lens (MDL)
using a two-photon lithography system, showcasing improved optical performance
on the task-specific metrics.
- Abstract（参考訳）: 計算光学における「デザイン・ツー・マニュファクチャリング」のギャップに対処するための神経リソグラフィーを導入する。
大きな設計自由度を持つ計算光学は、従来の光学を超える高度な機能と性能を実現する。
しかし、既存の設計手法はしばしば製造工程の数値モデリングを見落としており、設計と製造光学の間に大きな性能差が生じる可能性がある。
このギャップを埋めるために、我々は初めて、事前訓練されたフォトリソグラフィーシミュレータをモデルベース光設計ループに統合する、完全に微分可能な設計フレームワークを提案する。
実験データを用いた物理インフォームドモデリングとデータ駆動トレーニングを併用したフォトリソグラフィーシミュレータは、リソグラフィープロセスで導入された構造的不一致を補償し、設計時の製作可能性の正則化を行う。
我々は,2光子リソグラフィシステムを用いてホログラフィック光学素子(HOE)と多レベル回折レンズ(MDL)を設計・作製し,タスク固有の計測値に対する光学性能の向上を示す,計算光学における2つの典型的なタスクによるアプローチの有効性を実証した。
関連論文リスト
- Revealing the preference for correcting separated aberrations in joint
optic-image design [19.852225245159598]
我々は、スマートフォンやドローンのような複雑なシステムの効率的な共同設計を実現するために、分離された収差を持つ光学を特徴付ける。
視野が大きいレンズの真の撮像手順を再現する画像シミュレーションシステムを提案する。
共同設計における分離収差補正の選好は, 縦色収差, 横色収差, 球状収差, フィールド曲率, コマの順である。
論文 参考訳（メタデータ） (2023-09-08T14:12:03Z) - Computational Optics for Mobile Terminals in Mass Production [17.413494778377565]
写真から測定した周波数特性とシステムパラメータの関係を説明するために,摂動型レンズシステムモデルを構築した。
このモデルに基づいて, 加工サンプルのSFRからプロキシカメラを構築するための最適化フレームワークを提案する。
プロキシカメラを用いて、光学収差とランダムな製造バイアスをエンコードしたデータペアを合成し、収差に基づくアルゴリズムを訓練する。
論文 参考訳（メタデータ） (2023-05-10T04:17:33Z) - Optical Aberration Correction in Postprocessing using Imaging Simulation [17.331939025195478]
モバイル写真の人気は増え続けている。
最近のカメラは、これらの修正作業の一部を光学設計から後処理システムに移行した。
光学収差による劣化を回復するための実用的手法を提案する。
論文 参考訳（メタデータ） (2023-05-10T03:20:39Z) - Neural Lens Modeling [50.57409162437732]
NeuroLens(ニューロレンス)は、点投影と光線鋳造に使用できる歪みと磁化のための神経レンズモデルである。
古典的なキャリブレーションターゲットを使用してプリキャプチャのキャリブレーションを行うことができ、後に3D再構成の際にキャリブレーションやリファインメントを行うために使用できる。
このモデルは、多くのレンズタイプにまたがって一般化されており、既存の3D再構成とレンダリングシステムとの統合は容易である。
論文 参考訳（メタデータ） (2023-04-10T20:09:17Z) - Curriculum Learning for ab initio Deep Learned Refractive Optics [17.52983714236245]
DeepLensは、人間の介入なしにランダムに調整された表面から化合物ab initioの光学設計を学ぶことができる。
従来型撮像レンズと大視野拡大深度計算レンズの両方を自動で設計し,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-02-02T13:22:18Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳（メタデータ） (2022-10-27T11:37:14Z) - Generic Lithography Modeling with Dual-band Optics-Inspired Neural
Networks [52.200624127512874]
我々は、リソグラフィの基礎となる光学物理を考慮に入れたデュアルバンド光インスパイアされたニューラルネットワーク設計を導入する。
提案手法は, タイルサイズが1nm2/ピクセル解像度で最初に公表された金属/金属層輪郭シミュレーションである。
また,従来のリソグラフィーシミュレータよりも精度1%の精度で85倍の高速化を実現した。
論文 参考訳（メタデータ） (2022-03-12T08:08:50Z) - Photonic Differential Privacy with Direct Feedback Alignment [66.61196212740359]
本稿では,光乱射影の固有雑音を利用して,微分プライベートなDFA機構を構築する方法について述べる。
本研究は,エンドタスクの確固たるパフォーマンスを実現するための学習手順の実証実験を行う。
論文 参考訳（メタデータ） (2021-06-07T14:18:01Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-01T16:04:22Z)
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。