論文の概要: TorchResist: Open-Source Differentiable Resist Simulator

• arxiv url: http://arxiv.org/abs/2502.06838v1
• Date: Thu, 06 Feb 2025 05:42:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-12 14:07:10.637012
• Title: TorchResist: Open-Source Differentiable Resist Simulator
• Title（参考訳）: TorchResist: オープンソースの差別化可能なレジストシミュレータ
• Authors: Zixiao Wang, Jieya Zhou, Su Zheng, Shuo Yin, Kaichao Liang, Shoubo Hu, Xiao Chen, Bei Yu,
• Abstract要約: 本稿では,オープンソースで微分可能なフォトレジストシミュレータであるTorchResistについて述べる。 トーチレジストはフォトレジストプロセスのモデル化に分析的アプローチを採用し、少なくとも20の解釈可能なパラメータを持つホワイトボックスシステムとして機能する。 実験の結果,TorchResistは既存のソリューションに比べて精度と効率が優れていることがわかった。
• 参考スコア（独自算出の注目度）: 7.474964146616581
• License:
• Abstract: Recent decades have witnessed remarkable advancements in artificial intelligence (AI), including large language models (LLMs), image and video generative models, and embodied AI systems. These advancements have led to an explosive increase in the demand for computational power, challenging the limits of Moore's Law. Optical lithography, a critical technology in semiconductor manufacturing, faces significant challenges due to its high costs. To address this, various lithography simulators have been developed. However, many of these simulators are limited by their inadequate photoresist modeling capabilities. This paper presents TorchResist, an open-source, differentiable photoresist simulator.TorchResist employs an analytical approach to model the photoresist process, functioning as a white-box system with at most twenty interpretable parameters. Leveraging modern differentiable programming techniques and parallel computing on GPUs, TorchResist enables seamless co-optimization with other tools across multiple related tasks. Our experimental results demonstrate that TorchResist achieves superior accuracy and efficiency compared to existing solutions. The source code is publicly available.
• Abstract（参考訳）: 近年、大規模な言語モデル(LLM)、画像およびビデオ生成モデル、エンボディドAIシステムなど、人工知能(AI)の顕著な進歩が見られた。 これらの進歩は計算力の需要を爆発的に増加させ、ムーアの法則の限界に挑戦した。 半導体製造において重要な技術である光リソグラフィーは、その高コストのために大きな課題に直面している。 これを解決するために、様々なリソグラフィシミュレータが開発されている。 しかし、これらのシミュレータの多くは、不適切なフォトレジストモデリング能力によって制限されている。 本稿では、オープンソースで微分可能なフォトレジストシミュレータであるTorchResistについて述べる。TorchResistは、フォトレジストプロセスのモデル化に分析的アプローチを採用し、少なくとも20個の解釈可能なパラメータを持つホワイトボックスシステムとして機能する。 現代的な微分可能なプログラミング技術とGPU上の並列コンピューティングを活用して、TorchResistは、複数の関連するタスクにわたる他のツールとのシームレスな協調最適化を可能にする。 実験の結果,TorchResistは既存のソリューションに比べて精度と効率が優れていることがわかった。 ソースコードは公開されている。

関連論文リスト

• Zero-Shot Detection of AI-Generated Images [54.01282123570917]
  AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。 機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。 ZEDは精度の点でSoTAよりも平均3%以上改善されている。
  論文  参考訳（メタデータ） (2024-09-24T08:46:13Z)
• An optically accelerated extreme learning machine using hot atomic vapors [0.0]
  熱水蒸気を伝播する光の強い非線形特性とチューナブルな非線形特性とエクストリーム学習マシンモデルを組み合わせた新しい設計を提案する。 我々は、MNIST画像分類タスクにおいて、そのような自由空間非線形伝搬を用いたトレーニングの強化を数値的および実験的に示す。
  論文  参考訳（メタデータ） (2024-09-06T14:36:56Z)
• Multi-Excitation Projective Simulation with a Many-Body Physics Inspired Inductive Bias [0.6554326244334868]
  ハイパーグラフ上の複数の粒子のランダムウォークをチェーンオブ思考とみなす一般化であるMulti-Excitation Project Simulationive (mePS)を導入する。 量子多体物理学で著しく成功した少数体相互作用モデルにインスパイアされた帰納バイアスは、我々の古典的なmePSフレームワークで定式化される。 インダクティブバイアスは指数関数から数値への複雑性を減らし、その指数は相互作用する粒子の数を表す。
  論文  参考訳（メタデータ） (2024-02-15T18:48:32Z)
• Bootstrapping OTS-Funcimg Pre-training Model (Botfip) -- A Comprehensive Symbolic Regression Framework [0.18416014644193066]
  本稿では,Funcimg(Funcimg)とOTS(Operation Tree Sequence)に基づく科学計算フレームワークを提案する。 SR実験において,低複雑性SR問題におけるBotfipの利点を検証し,その可能性を示す。 Botfipは、幅広い科学計算問題における将来の応用を約束している。
  論文  参考訳（メタデータ） (2024-01-18T06:19:05Z)
• DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative Diffusion Models [102.13968267347553]
  本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。 我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
  論文  参考訳（メタデータ） (2023-11-28T18:58:48Z)
• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• NeurOLight: A Physics-Agnostic Neural Operator Enabling Parametric Photonic Device Simulation [17.295318670037886]
  超高速パラメトリックフォトニックデバイスシミュレーションのための周波数領域Maxwell PDEのファミリーを学習するために、NeurOLightと呼ばれる物理に依存しないニューラルネットワークフレームワークが提案されている。 我々は、NeurOLightが、未知のシミュレーション設定の広い空間に一般化し、数値解法よりも2桁の高速なシミュレーション速度を示し、予測誤差を54%減らし、パラメータを44%減らして、従来のニューラルネットワークモデルより優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T21:25:26Z)
• Toward Fast, Flexible, and Robust Low-Light Image Enhancement [87.27326390675155]
  我々は、現実の低照度シナリオにおいて、高速でフレキシブルで頑健な鮮明化のための新しい自己校正イルミネーション(SCI)学習フレームワークを開発した。 カスケードパターンの計算負担を考慮すると、各ステージの結果の収束を実現する自己校正モジュールを構築する。 我々は,SCI固有の特性について,操作不感適応性やモデル非関係の一般性を含む包括的探索を行う。
  論文  参考訳（メタデータ） (2022-04-21T14:40:32Z)
• A Shared Representation for Photorealistic Driving Simulators [83.5985178314263]
  本稿では、識別器アーキテクチャを再考することにより、生成画像の品質を向上させることを提案する。 シーンセグメンテーションマップや人体ポーズといったセマンティックインプットによって画像が生成されるという問題に焦点が当てられている。 我々は,意味的セグメンテーション,コンテンツ再構成,および粗い粒度の逆解析を行うのに十分な情報をエンコードする,共有潜在表現を学習することを目指している。
  論文  参考訳（メタデータ） (2021-12-09T18:59:21Z)
• PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable Physics [89.81550748680245]
  PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。 各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。 本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
  論文  参考訳（メタデータ） (2021-04-07T17:59:23Z)

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。