論文の概要: Prognostics and Health Management of Wafer Chemical-Mechanical Polishing System using Autoencoder

• arxiv url: http://arxiv.org/abs/2503.01176v1
• Date: Mon, 03 Mar 2025 04:48:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:19:38.831386
• Title: Prognostics and Health Management of Wafer Chemical-Mechanical Polishing System using Autoencoder
• Title（参考訳）: オートエンコーダを用いたウェハ化学機械研磨システムの診断と健康管理
• Authors: Kart-Leong Lim, Rahul Dutta,
• Abstract要約: Prognostics and Health Management Data Challenge (PHM) 2016は、半導体ウェハ研磨プロセスのコンポーネントの健康状態を追跡する。 最終的な目標は、コンポーネントの健康状態を監視してウエハ表面の摩耗を測定する能力を開発することである。 PHMデータセットにディープラーニングのようなデータ駆動アプローチを適用するのは簡単ではない。 自動エンコーダに基づくクラスタリングにより、トレーニングされた特徴空間が回帰処理により適していることを示す。
• 参考スコア（独自算出の注目度）: 0.552480439325792
• License:
• Abstract: The Prognostics and Health Management Data Challenge (PHM) 2016 tracks the health state of components of a semiconductor wafer polishing process. The ultimate goal is to develop an ability to predict the measurement on the wafer surface wear through monitoring the components health state. This translates to cost saving in large scale production. The PHM dataset contains many time series measurements not utilized by traditional physics based approach. On the other hand task, applying a data driven approach such as deep learning to the PHM dataset is non-trivial. The main issue with supervised deep learning is that class label is not available to the PHM dataset. Second, the feature space trained by an unsupervised deep learner is not specifically targeted at the predictive ability or regression. In this work, we propose using the autoencoder based clustering whereby the feature space trained is found to be more suitable for performing regression. This is due to having a more compact distribution of samples respective to their nearest cluster means. We justify our claims by comparing the performance of our proposed method on the PHM dataset with several baselines such as the autoencoder as well as state-of-the-art approaches.
• Abstract（参考訳）: Prognostics and Health Management Data Challenge (PHM) 2016は、半導体ウェハ研磨プロセスのコンポーネントの健康状態を追跡する。 最終的な目標は、コンポーネントの健康状態を監視してウエハ表面の摩耗を測定する能力を開発することである。 これは大規模生産におけるコスト削減を意味する。 PHMデータセットには、伝統的な物理学に基づくアプローチでは利用されない多くの時系列計測が含まれている。 一方、PHMデータセットにディープラーニングのようなデータ駆動型アプローチを適用するのは簡単ではない。 教師付きディープラーニングの主な問題は、クラスラベルがPHMデータセットで利用できないことだ。 第二に、教師なしの深層学習者によって訓練された特徴空間は、予測能力や回帰を特に対象としていない。 本研究では,自動エンコーダをベースとしたクラスタリング手法を提案する。 これは、よりコンパクトなサンプル分布が、最も近いクラスタ平均に対応するためである。 提案手法をPHMデータセット上で,オートエンコーダや最先端手法など,いくつかのベースラインと比較することにより,我々の主張を正当化する。

関連論文リスト

• Towards Data-Efficient Pretraining for Atomic Property Prediction [51.660835328611626]
  タスク関連データセットでの事前トレーニングは、大規模な事前トレーニングと一致するか、あるいは超える可能性があることを示す。 本稿では,コンピュータビジョンのFr'echet Inception Distanceにインスパイアされた,化学類似度指数(CSI)を紹介する。
  論文  参考訳（メタデータ） (2025-02-16T11:46:23Z)
• Data-driven Bayesian State Estimation with Compressed Measurement of Model-free Process using Semi-supervised Learning [57.04370580292727]
  研究テーマは、圧縮測定によるデータ駆動ベイズ状態推定である。 状態の基本的な力学モデルは未知であると仮定される。 既存の2つの教師なし学習ベースのデータ駆動手法は、BSCMの問題に対処できない。
  論文  参考訳（メタデータ） (2024-07-10T05:03:48Z)
• DaFoEs: Mixing Datasets towards the generalization of vision-state deep-learning Force Estimation in Minimally Invasive Robotic Surgery [6.55111164866752]
  深部神経モデルのトレーニングを行うために,様々なソフト環境を持つ新しい視覚触覚データセット(DaFoEs)を提案する。 また,単一入力や入力シーケンスを用いて腹腔鏡ツールが行う力を予測するための可変エンコーダデコーダアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T14:39:55Z)
• Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
  自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。 提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。 提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-01-12T22:51:48Z)
• Machine Learning Force Fields with Data Cost Aware Training [94.78998399180519]
  分子動力学(MD)シミュレーションを加速するために機械学習力場(MLFF)が提案されている。 最もデータ効率のよいMLFFであっても、化学精度に達するには数百フレームの力とエネルギーのラベルが必要になる。 我々は、安価な不正確なデータと高価な正確なデータの組み合わせを利用して、MLFFのデータコストを下げる多段階計算フレームワークASTEROIDを提案する。
  論文  参考訳（メタデータ） (2023-06-05T04:34:54Z)
• MAPS: A Noise-Robust Progressive Learning Approach for Source-Free Domain Adaptive Keypoint Detection [76.97324120775475]
  クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。 本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
  論文  参考訳（メタデータ） (2023-02-09T12:06:08Z)
• Self-omics: A Self-supervised Learning Framework for Multi-omics Cancer Data [4.843654097048771]
  SSL(Self-Supervised Learning)メソッドは、通常はラベル付きデータを扱うために使用される。 我々は、SSLコンポーネントからなる新しい事前学習パラダイムを開発する。 本手法はTGAパン癌データセットの癌型分類における最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-10-03T11:20:12Z)
• A semi-supervised Teacher-Student framework for surgical tool detection and localization [2.41710192205034]
  外科的ツール検出のパラダイムにおいて,半教師付き学習(SSL)フレームワークを導入する。 提案手法では,教師-学生共同学習を初期化するラベル付きデータを用いたモデルを訓練する。 m2cai16-tool-locations データセットの結果は、異なる教師付きデータ設定に対するアプローチの優位性を示している。
  論文  参考訳（メタデータ） (2022-08-21T17:21:31Z)
• LAMA-Net: Unsupervised Domain Adaptation via Latent Alignment and Manifold Learning for RUL Prediction [0.0]
  我々は,エンコーダ-デコーダベースモデル(Transformer)であるtextitLAMA-Net,平均最大離散性(MMD)を用いた潜在アライメント,および多様体学習を提案する。 提案手法は、RUL予測において領域適応を行うための有望なアプローチを提供する。
  論文  参考訳（メタデータ） (2022-08-17T16:28:20Z)
• Dendritic Self-Organizing Maps for Continual Learning [0.0]
  我々は、DendSOM(Dendritic-Self-Organizing Map)と呼ばれる生物学的ニューロンにインスパイアされた新しいアルゴリズムを提案する。 DendSOMは、入力空間の特定の領域からパターンを抽出する単一のSOMからなる。 ベンチマークデータセットでは、古典的なSOMやいくつかの最先端の継続的学習アルゴリズムよりも優れています。
  論文  参考訳（メタデータ） (2021-10-18T14:47:19Z)
• ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
  少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。 ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
  論文  参考訳（メタデータ） (2021-04-11T12:14:04Z)

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。