Fugu-MT 論文翻訳(概要): Physics-informed neural networks and neural operators for a study of EUV electromagnetic wave diffraction from a lithography mask

論文の概要: Physics-informed neural networks and neural operators for a study of EUV electromagnetic wave diffraction from a lithography mask

arxiv url: http://arxiv.org/abs/2507.04153v1
Date: Sat, 05 Jul 2025 20:21:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-08 15:46:35.043875
Title: Physics-informed neural networks and neural operators for a study of EUV electromagnetic wave diffraction from a lithography mask
Title（参考訳）: 物理インフォームドニューラルネットワークとニューラルネットワークによるリソグラフィーマスクからのEUV電磁波回折の研究
Authors: Vasiliy A. Es'kin, Egor V. Ivanov,
Abstract要約: WGNO(Waveguide Neural Operator)は、最も計算コストのかかる部品をニューラルネットワークに置き換えた導波路法に基づいている。現実的な2Dマスクと3Dマスクの数値実験により、WGNOは最先端の精度と推測時間を達成することが示された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Physics-informed neural networks (PINNs) and neural operators (NOs) for solving the problem of diffraction of Extreme Ultraviolet (EUV) electromagnetic waves from a mask are presented. A novel hybrid Waveguide Neural Operator (WGNO) is introduced, which is based on a waveguide method with its most computationally expensive part replaced by a neural network. Numerical experiments on realistic 2D and 3D masks show that the WGNO achieves state-of-the-art accuracy and inference time, providing a highly efficient solution for accelerating the design workflows of lithography masks.
Abstract（参考訳）: マスクからの極紫外電磁波(EUV)の回折を解くための物理インフォームドニューラルネットワーク(PINN)とニューラル演算子(NO)について述べる。 WGNO(Waveguide Neural Operator)は、最も計算コストのかかる部品をニューラルネットワークに置き換えた導波路法に基づいている。現実的な2Dマスクと3Dマスクの数値実験により、WGNOは最先端の精度と推測時間を実現し、リソグラフィマスクの設計ワークフローを加速するための高効率なソリューションを提供する。

関連論文リスト

Computed tomography of propagating microwave photons [0.5699788926464752]
伝播光子は、量子情報の分散と遠方のノード間の絡み合いに不可欠なリンクとして機能する。 Wigner関数の知識は、アクティブな情報キャリアとしての展開を可能にするだけでなく、量子処理ユニットから光子が受動的に漏れた際のエラー診断も提供する。ここでは、超伝導体-正規金属-超伝導ボロメーターを用いたマイクロ波光子の増幅不要なウィグナー関数トモグラフィーを示す。
論文参考訳（メタデータ） (2025-06-25T10:58:28Z)
Magnetic Hysteresis Modeling with Neural Operators [0.7817677116789855]
本稿では、磁場間のマッピングを学習することで、磁気ニューラル演算子を示す法則をモデル化するためのニューラル演算子を提案する。 3つのニューラル演算子-ディープ演算子ネットワーク、フーリエとウェーブレットのニューラル演算子は、新しい一階反転曲線とマイナーループを予測するために使用される。磁場の速度非依存特性を組み込むために、トレーニング中に使用するものと異なるサンプリングレートで物質応答を予測するために、速度非依存ニューラル演算子を提案する。
論文参考訳（メタデータ） (2024-07-03T16:45:45Z)
Deep Neuromorphic Networks with Superconducting Single Flux Quanta [45.60688252288563]
ニューロモルフィック回路(Neuromorphic circuits)は、高効率を達成するために脳が使用する技術を利用するコンピューティングにおける有望なアプローチである。既存の多くのニューロモルフィック回路は、脳の操作をより良く模倣するために、新しい技術の非伝統的で有用な性質に依存している。そのような技術の一つが単一磁束量子(SFQ)論理であり、そのデータは磁束(磁束)の量子で表される低温超伝導技術である。回路内のフラクトンの動きは、ニューロンのスパイク現象に似た量子化された電圧パルス(SFQパルス)を生成する。
論文参考訳（メタデータ） (2023-09-21T10:44:02Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
A neural operator-based surrogate solver for free-form electromagnetic inverse design [0.0]
我々は、電磁散乱問題に対する代理解法として、修正されたフーリエニューラル演算子を実装し、訓練する。自由形完全3次元電磁散乱器の勾配型ナノフォトニクス逆設計への応用を実証する。
論文参考訳（メタデータ） (2023-02-04T07:56:18Z)
WIRE: Wavelet Implicit Neural Representations [42.147899723673596]
Inlicit Neural representations (INRs) は近年多くの視覚関連領域を進歩させている。現在のINRは高い精度で設計されているが、ロバスト性も劣っている。我々は、このトレードオフを示さない新しい、非常に正確で堅牢なINRを開発します。
論文参考訳（メタデータ） (2023-01-05T20:24:56Z)
Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks [101.59367762974371]
本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
論文参考訳（メタデータ） (2022-10-08T04:32:58Z)
Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文参考訳（メタデータ） (2022-10-06T13:04:45Z)
The Spectral Bias of Polynomial Neural Networks [63.27903166253743]
PNN(Polynomial Neural Network)は、高頻度情報を重要視する画像生成と顔認識に特に有効であることが示されている。これまでの研究では、ニューラルネットワークが低周波関数に対して$textitspectral bias$を示しており、トレーニング中に低周波成分のより高速な学習をもたらすことが示されている。このような研究に触発されて、我々はPNNのTangent Kernel(NTK)のスペクトル分析を行う。我々は、最近提案されたPNNのパラメトリゼーションである$Pi$-Netファミリがスピードアップすることを発見した。
論文参考訳（メタデータ） (2022-02-27T23:12:43Z)
WaveSense: Efficient Temporal Convolutions with Spiking Neural Networks for Keyword Spotting [1.0152838128195467]
拡張時間畳み込みの自然な代替としてスパイキングニューラルダイナミクスを提案する。このアイデアをWaveNetアーキテクチャにインスパイアされたスパイクニューラルネットワークであるWaveSenseに拡張します。
論文参考訳（メタデータ） (2021-11-02T09:38:22Z)

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。