論文の概要: The First Differentiable Transfer-Based Algorithm for Discrete MicroLED Repair

• arxiv url: http://arxiv.org/abs/2508.09206v1
• Date: Sun, 10 Aug 2025 00:55:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.615679
• Title: The First Differentiable Transfer-Based Algorithm for Discrete MicroLED Repair
• Title（参考訳）: 離散マイクロLED修復のための第1次微分変換型アルゴリズム
• Authors: Ning-Yuan Lue,
• Abstract要約: 本稿では,トランスファープラットフォームの離散シフトをモデル化する微分可能なトランスファーモジュールをベースとした,最初の修復アルゴリズムを提案する。 局所近接探索アルゴリズムと比較して,本手法はより優れた補修性能を実現し,より柔軟な客観設計を可能にする。 実験の結果、2000×2000アレイ上では転送ステップが50%減少し、2分以下の計画時間が短縮された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Laser-enabled selective transfer, a key process in high-throughput microLED fabrication, requires computational models that can plan shift sequences to minimize motion of XY stages and adapt to varying optimization objectives across the substrate. We propose the first repair algorithm based on a differentiable transfer module designed to model discrete shifts of transfer platforms, while remaining trainable via gradient-based optimization. Compared to local proximity searching algorithms, our approach achieves superior repair performance and enables more flexible objective designs, such as minimizing the number of steps. Unlike reinforcement learning (RL)-based approaches, our method eliminates the need for handcrafted feature extractors and trains significantly faster, allowing scalability to large arrays. Experiments show a 50% reduction in transfer steps and sub-2-minute planning time on 2000x2000 arrays. This method provides a practical and adaptable solution for accelerating microLED repair in AR/VR and next-generation display fabrication.
• Abstract（参考訳）: 高スループットのマイクロLED製造において重要なプロセスであるレーザー対応選択的転写は、XYステージの運動を最小限に抑えるためにシフトシーケンスを計画し、基板全体の様々な最適化目標に適応できる計算モデルを必要とする。 本稿では,移動プラットフォームの離散シフトをモデル化するために設計された,微分可能な移動モジュールに基づく最初の修復アルゴリズムを提案する。 局所近接探索アルゴリズムと比較して,本手法はより優れた補修性能を実現し,ステップ数を最小限に抑えるなど,より柔軟な客観設計を可能にする。 強化学習(RL)と異なり,提案手法は手作りの特徴抽出器の必要性を排除し,列車を大幅に高速化し,大規模アレイのスケーラビリティを実現する。 実験の結果、2000×2000アレイ上では転送ステップが50%減少し、2分以下の計画時間が短縮された。 この方法は、AR/VRおよび次世代ディスプレイ製造におけるmicroLED修復を加速するための実用的で適応可能なソリューションを提供する。

関連論文リスト

• Multi-beam Beamforming in RIS-aided MIMO Subject to Reradiation Mask Constraints -- Optimization and Machine Learning Design [27.405741068018045]
  再構成可能なインテリジェントサーフェス(RIS)は、将来の無線システムにおけるスペクトル効率の向上と消費電力削減のための新興技術である。 本稿では,Multi-user RIS-aided multiple-input multiple-output (MIMO)通信システムにおける伝送プリコーディング行列とRIS位相シフトベクトルの結合設計について検討する。
  論文  参考訳（メタデータ） (2025-07-21T08:18:23Z)
• Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
  MISO (Multiple-input Single-output) フレームワークを提案する。 それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。 PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
  論文  参考訳（メタデータ） (2025-02-12T18:54:10Z)
• DRL-based Dolph-Tschebyscheff Beamforming in Downlink Transmission for Mobile Users [52.9870460238443]
  学習可能なDolph-Tschebyscheffアンテナアレイを用いた深部強化学習に基づくブラインドビームフォーミング手法を提案する。 シミュレーションの結果,提案手法は最良値に非常に近いデータレートをサポートできることが示唆された。
  論文  参考訳（メタデータ） (2025-02-03T11:50:43Z)
• Fast, Scalable, Warm-Start Semidefinite Programming with Spectral Bundling and Sketching [53.91395791840179]
  我々は、大規模なSDPを解くための、証明可能な正確で高速でスケーラブルなアルゴリズムであるUnified Spectral Bundling with Sketching (USBS)を提案する。 USBSは、20億以上の決定変数を持つインスタンス上で、最先端のスケーラブルなSDP解決器よりも500倍のスピードアップを提供する。
  論文  参考訳（メタデータ） (2023-12-19T02:27:22Z)
• Toward Rapid, Optimal, and Feasible Power Dispatch through Generalized Neural Mapping [0.0]
  パワーディスパッチ問題を解決するための学習ベースアプローチとして LOOP-LC 2.0 を提案する。 LOOP-LC 2.0フレームワークの顕著な利点は、ソリューションのほぼ最適性と厳密な実現性を保証する能力である。 本稿では, LOOP-LC 2.0法の有効性を, 学習速度, 計算時間, 最適性, ソリューション実現可能性の観点から示す。
  論文  参考訳（メタデータ） (2023-11-08T17:02:53Z)
• Energy Efficiency Maximization in IRS-Aided Cell-Free Massive MIMO System [2.9081408997650375]
  本稿では、入射点におけるビームフォーミングとIRSにおける位相シフトを共同最適化してエネルギー効率(EE)を最大化する、インテリジェント反射面(IRS)を用いたセルレス大規模マルチインプット多重出力システムについて考察する。 EE問題を解くために,2次変換とラグランジアン双対変換を用いて最適ビームフォーミングと位相シフトを求める反復最適化アルゴリズムを提案する。 さらに,共同ビームフォーミングと位相シフト設計のための深層学習に基づくアプローチを提案する。具体的には,教師なし学習方式を用いて2段階の深層ニューラルネットワークをオフラインでトレーニングし,オンラインに展開する。
  論文  参考訳（メタデータ） (2022-12-24T14:58:15Z)
• An Accelerated Doubly Stochastic Gradient Method with Faster Explicit Model Identification [97.28167655721766]
  本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。 まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
  論文  参考訳（メタデータ） (2022-08-11T22:27:22Z)
• Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks [53.1636151439562]
  モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。 再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。 具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
  論文  参考訳（メタデータ） (2020-12-25T07:08:50Z)
• Federated Learning via Intelligent Reflecting Surface [30.935389187215474]
  オーバー・ザ・エア・コンピューティング・アルゴリズム(FL)は,複数のアクセスチャネルの波形重畳特性を利用して高速なモデルアグリゲーションを実現することができる。 本稿では,AirCompベースのFLのための高速かつ信頼性の高いモデルアグリゲーションを実現するための2段階最適化フレームワークを提案する。 シミュレーションの結果,提案するフレームワークとIRSの展開により,ベースラインアルゴリズムよりもトレーニング損失が低く,FL予測精度も高いことがわかった。
  論文  参考訳（メタデータ） (2020-11-10T11:29:57Z)

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。