論文の概要: LithoDreamer: A Physics-Informed World Model for Multi-Stage Computational Lithography

• arxiv url: http://arxiv.org/abs/2606.26713v1
• Date: Thu, 25 Jun 2026 07:48:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.196297
• Title: LithoDreamer: A Physics-Informed World Model for Multi-Stage Computational Lithography
• Title（参考訳）: LithoDreamer:マルチステージ計算リソグラフィのための物理インフォームドワールドモデル
• Abstract要約: 計算リソグラフィのための物理インフォームド・ワールド・モデル(WM)フレームワークであるLithoDreamerを紹介する。 LithoniaDreamerは、ステージ固有の物理インフォームト空間をモデル化するために、隣接する状態間の特徴変化をキャプチャする。 実験によると、LithoDreamerは進化と逆計画において最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 18.943529099085733
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As semiconductor technology nodes scale, computational lithography is essential for ensuring yield and performance. However, lithography is a continuous physical process involving mask optimization, optical imaging, resist exposure, and development, which existing models fail to capture. To overcome this limitation, we present LithoDreamer, the first physics-informed World Model (WM) framework for computational lithography, which formulates the ``Layout-Mask-Resist Image-After Development Image (ADI)'' pipeline as a decision-driven multi-step evolution system. LithoDreamer captures feature changes between adjacent states to model stage-specific physics-informed latent spaces, in which it controls process intervention exploration and drives subsequent state transitions. To achieve interpretable intervention optimization without continuous supervision, we propose a contrastive variational optimization paradigm that contrasts the latent differences between intervention paths with variational evolution constraints, guiding the model to generate evolutions consistent with real lithography physics. Experiments show LithoDreamer achieves state-of-the-art performance in forward evolution and inverse planning. Our lithography dataset is publicly available at GitHub (https://github.com/7jiangyq/lithodreamer.git).
• Abstract（参考訳）: 半導体技術ノードがスケールするにつれて、計算リソグラフィーは収率と性能を確保するために不可欠である。 しかし、リソグラフィーはマスク最適化、光学イメージング、レジスト露光、そして既存のモデルでは捉えられない開発を含む連続的な物理的プロセスである。 この制限を克服するために、計算リソグラフィーのための最初の物理インフォームド・ワールド・モデル(WM)フレームワークであるLithoDreamerを紹介し、意思決定駆動型多段階進化システムとして 'Layout-Mask-Resist Image-After Development Image (ADI)' パイプラインを定式化した。 LithoDreamerは、プロセス介入探索を制御し、その後の状態遷移を駆動する、ステージ固有の物理情報を持つ潜在空間をモデル化するために、隣接する状態間の特徴変化をキャプチャする。 連続的な監視を伴わない解釈可能な介入最適化を実現するために,干渉経路間の遅延差と変分進化の制約を対比し,実際のリソグラフィと整合した進化を生成するためのモデルを導出するコントラスト的変動最適化手法を提案する。 実験によると、LithoDreamerは進化と逆計画において最先端のパフォーマンスを達成する。 私たちのリソグラフィデータセットはGitHubで公開されています(https://github.com/7jiangyq/lithodreamer.git)。

関連論文リスト

• LaWM: Least Action World Models for Long-Horizon Physical Consistency from Visual Observations [9.35652906982887]
  学習された視覚的潜伏空間における最小アクションの原理を運用するためのラストアクション世界モデル(LaWM)を提案する。 LaWMは、学習された一般化された座標に観測を符号化し、連続的な潜伏状態上で潜在離散ラグランジアンを学ぶ。 遷移は離散的な変動原理によって誘導されるため、LaWMは長期の視覚予測のための構造保存バイアスを提供する。
  論文  参考訳（メタデータ） (2026-05-08T07:03:13Z)
• Physics-Informed Image Restoration via Progressive PDE Integration [11.13952011916121]
  物理インフォームドPDEダイナミクスを最先端の復元アーキテクチャに統合するトレーニングフレームワークを提案する。 提案手法は,大域的空間モデリングを原則として実現しつつ,運動ぼけの方向流特性を自然に把握する。 我々のPDE強化デブロアリングモデルは、最小限のオーバーヘッドで優れた復元品質を実現し、GMACの推測に1%程度しか加えていない。
  論文  参考訳（メタデータ） (2025-11-09T06:10:20Z)
• FUDOKI: Discrete Flow-based Unified Understanding and Generation via Kinetic-Optimal Velocities [76.46448367752944]
  MLLM(Multimodal large language model)は、単一のフレームワーク内で視覚的理解と画像生成を統一する言語である。 ほとんどの既存のMLLMはAutore(AR)アーキテクチャに依存しており、将来の開発に固有の制限を課している。 本稿では,離散フローマッチングに基づく統一マルチモーダルモデルであるFUDOKIを紹介する。
  論文  参考訳（メタデータ） (2025-05-26T15:46:53Z)
• Advancing Limited-Angle CT Reconstruction Through Diffusion-Based Sinogram Completion [16.097461905457564]
  LACT(Limited Angle Computed Tomography)は、角情報がないためにしばしば大きな課題に直面している。 そこで我々は, シングラムのインペイントに焦点をあてる新しい手法を提案する。 平均回帰微分方程式を用いて拡散過程を特徴づける拡散モデルの変種であるMR-SDEを利用する。
  論文  参考訳（メタデータ） (2025-05-26T00:59:58Z)
• Hypergraph Mamba for Efficient Whole Slide Image Understanding [10.285000840656808]
  ホイルスライド画像 (WSI) は, 超高解像度, 大規模, 複雑な空間関係のため, 医用画像解析において重要な課題となっている。 本稿では,ハイパーグラフニューラルネットワーク(HGNN)の高次リレーショナルモデリング機能と状態空間モデルの線形時間逐次モデリング効率を一体化する新しいフレームワークであるWSI-HGMambaを紹介する。
  論文  参考訳（メタデータ） (2025-05-23T04:33:54Z)
• An Efficient Occupancy World Model via Decoupled Dynamic Flow and Image-assisted Training [50.71892161377806]
  DFIT-OccWorldは、分離されたダイナミックフローとイメージアシストトレーニング戦略を活用する、効率的な3D占有世界モデルである。 提案モデルでは, 静止ボクセルはポーズ変換により容易に得られるのに対し, 既存のボクセルフローを用いて既存の観測を歪曲することで, 将来のダイナミックボクセルを予測できる。
  論文  参考訳（メタデータ） (2024-12-18T12:10:33Z)
• DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
  本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。 幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。 テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
  論文  参考訳（メタデータ） (2024-11-03T15:15:01Z)
• Space-Variant Total Variation boosted by learning techniques in few-view tomographic imaging [0.0]
  本稿では,未決定の線形逆問題に対する空間変動正規化モデルの開発に焦点をあてる。 提案モデルの主な目的は,ディノベーションと細部・縁の保存のバランスを良くすることである。 畳み込みニューラルネットワークは、トレーニングにおいて弾性損失関数を用いて、基底真理像とその勾配を近似するように設計されている。
  論文  参考訳（メタデータ） (2024-04-25T08:58:41Z)
• Image Inpainting via Tractable Steering of Diffusion Models [48.16994134964729]
  本稿では,トラクタブル確率モデル(TPM)の制約後部を正確に,かつ効率的に計算する能力を活用することを提案する。 具体的には、確率回路(PC)と呼ばれる表現型TPMのクラスを採用する。
  論文  参考訳（メタデータ） (2023-11-28T21:14:02Z)
• Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
  大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。 ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。 本稿では,物理統合復元ネットワーク(PiRN)を提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:49:21Z)
• Generic Lithography Modeling with Dual-band Optics-Inspired Neural Networks [52.200624127512874]
  我々は、リソグラフィの基礎となる光学物理を考慮に入れたデュアルバンド光インスパイアされたニューラルネットワーク設計を導入する。 提案手法は, タイルサイズが1nm2/ピクセル解像度で最初に公表された金属/金属層輪郭シミュレーションである。 また,従来のリソグラフィーシミュレータよりも精度1%の精度で85倍の高速化を実現した。
  論文  参考訳（メタデータ） (2022-03-12T08:08:50Z)
• Learning Deformable Image Registration from Optimization: Perspective, Modules, Bilevel Training and Beyond [62.730497582218284]
  マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。 我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
  論文  参考訳（メタデータ） (2020-04-30T03:23:45Z)

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。