Fugu-MT 論文翻訳(概要): Morphological Analysis of Semiconductor Microstructures using Skeleton Graphs

論文の概要: Morphological Analysis of Semiconductor Microstructures using Skeleton Graphs

arxiv url: http://arxiv.org/abs/2508.07850v1
Date: Mon, 11 Aug 2025 11:10:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-12 21:23:29.057132
Title: Morphological Analysis of Semiconductor Microstructures using Skeleton Graphs
Title（参考訳）: 骨格グラフによる半導体組織の形態解析
Authors: Noriko Nitta, Rei Miyata, Naoto Oishi,
Abstract要約: イオンビーム照射によりGe表面に形成された微細構造を加工し, トポロジ的特徴を骨格グラフとして抽出した。その結果, 主成分分析により解析し, 得られたPCA空間におけるクラスタ分離性を評価した。
参考スコア（独自算出の注目度）: 0.9490118207943193
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, electron microscopy images of microstructures formed on Ge surfaces by ion beam irradiation were processed to extract topological features as skeleton graphs, which were then embedded using a graph convolutional network. The resulting embeddings were analyzed using principal component analysis, and cluster separability in the resulting PCA space was evaluated using the Davies-Bouldin index. The results indicate that variations in irradiation angle have a more significant impact on the morphological properties of Ge surfaces than variations in irradiation fluence.
Abstract（参考訳）: 本稿では,Ge表面にイオン線照射により形成された微細構造の電子顕微鏡像を加工し,トポロジ的特徴を骨格グラフとして抽出し,それをグラフ畳み込みネットワークを用いて埋め込んだ。その結果,PCA空間におけるクラスタ分離性はDavies-Bouldin指数を用いて評価した。その結果, 照射角度の変動は, 照射フラエンスの変化よりもGe表面の形態特性に有意な影響を及ぼすことが示唆された。

関連論文リスト

Aligned Manifold Property and Topology Point Clouds for Learning Molecular Properties [55.2480439325792]
この研究は、局所量子由来のスカラー場とカスタムトポロジカルディスクリプタを組み合わせた分子表面表現であるAMPTCRを導入する。分子量については、AMPTCRが物理的に意味のあるデータをコードし、検証R2は0.87であることを確認した。細菌抑制タスクでは、AMPTCRは大腸菌阻害値の分類と直接回帰の両方を可能にする。
論文参考訳（メタデータ） (2025-07-22T04:35:50Z)
Machine Learning Framework for Characterizing Processing-Structure Relationship in Block Copolymer Thin Films [1.4698426549994696]
ブロック共重合体(BCP)の形態は、材料特性や応用に重大な影響を及ぼす。本研究では,BCP薄膜形態を特徴付けるために,GISAXSデータとAFM画像の解析を行う機械学習(ML)対応フレームワークを提案する。
論文参考訳（メタデータ） (2025-05-29T04:14:42Z)
Mesh Mamba: A Unified State Space Model for Saliency Prediction in Non-Textured and Textured Meshes [50.23625950905638]
メッシュサリエンシは、自然に視覚的注意を引き付ける領域を特定して強調することにより、3D視覚の適応性を高める。状態空間モデル (SSM) に基づく統合唾液度予測モデルであるメッシュ・マンバを導入する。 Mesh Mambaは、トポロジカルフレームワークにテクスチャ機能をシームレスに組み込んだまま、メッシュの幾何学的構造を効果的に分析する。
論文参考訳（メタデータ） (2025-04-02T08:22:25Z)
Exploring structure diversity in atomic resolution microscopy with graph neural networks [18.903519247639355]
ディープラーニングは、構造多様性を迅速で正確でインテリジェントな方法で探求するための強力なツールです。この作業は、迅速で正確でインテリジェントな方法で構造多様性を探求する強力なツールを提供する。
論文参考訳（メタデータ） (2024-10-23T07:48:35Z)
Revealing the structure-property relationships of copper alloys with FAGC [7.00651980770986]
本研究では,Cu-Cr-Zr合金に対して,FAGC(Feature Augmentation on Geodesic Curves)法を提案する。このアプローチは、機械学習を利用して、合金の微細構造の画像内の形状を調べ、その機械的および電子的特性を予測する。 FAGC法では,Cu-Cr-Zr合金の電気伝導率および硬さの予測精度が著しく向上した。
論文参考訳（メタデータ） (2024-04-15T07:20:09Z)
PyNanospacing: TEM image processing tool for strain analysis and visualization [0.0]
本稿では,幅広い材料を扱えるTEM画像処理のためのPythonコードを開発する。平面間隔の局所的な差異を輪郭写像に変換し、格子拡大と圧縮の視覚的表現を可能にする。ツールは非常に汎用的で、TEM画像を用いて材料特性を分析するのに大いに役立ちます。
論文参考訳（メタデータ） (2023-11-27T12:08:46Z)
Unsupervised Skin Lesion Segmentation via Structural Entropy Minimization on Multi-Scale Superpixel Graphs [59.19218582436495]
本研究では,構造エントロピーと孤立林外層検出に基づく非教師付き皮膚病変sEgmentationフレームワーク,すなわちSLEDを提案する。皮膚病変は、皮膚内視鏡像から構築した超画素グラフの構造エントロピーを最小化することにより区分される。健康な皮膚の特徴の整合性を特徴とし, マルチスケールのセグメンテーション機構を考案し, マルチスケールのスーパーピクセル特徴を活用して, セグメンテーション精度を向上させる。
論文参考訳（メタデータ） (2023-09-05T02:15:51Z)
Structure Embedded Nucleus Classification for Histopathology Images [51.02953253067348]
ほとんどのニューラルネットワークに基づく手法は、局所的な畳み込みの受容領域に影響を受けている。本稿では,核輪郭を順にサンプリングした点列に変換する新しい多角構造特徴学習機構を提案する。次に、核をノードとするグラフ構造に組織像を変換し、その表現に核の空間分布を埋め込むグラフニューラルネットワークを構築する。
論文参考訳（メタデータ） (2023-02-22T14:52:06Z)
Graph neural networks for the prediction of molecular structure-property relationships [59.11160990637615]
グラフニューラルネットワーク(GNN)は、分子グラフ上で直接動作する新しい機械学習手法である。 GNNは、エンドツーエンドでプロパティを学習できるため、情報記述子の必要性を回避することができる。本稿では、分子特性予測のための2つの例を通して、GNNの基礎を説明し、GNNの応用を実証する。
論文参考訳（メタデータ） (2022-07-25T11:30:44Z)
Optimization of epitaxial graphene growth for quantum metrology [0.0]
エピタキシャルグラフェン成長過程の解明サブナノメータスケールでのステップバンチは、超平坦な単層グラフェン層を生成するために用いられる。グラフェンのドーピング変異は、異なる表面のSiCスタックの近接効果によって初めて起こる。
論文参考訳（メタデータ） (2021-02-17T11:12:18Z)

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。