論文の概要: Physics-Informed Neural Operator for Warm-Starting Background-Decomposed and Preconditioned PSFD: Enabling Scalable 3-D EUV Mask Simulation
- arxiv url: http://arxiv.org/abs/2607.25330v1
- Date: Tue, 28 Jul 2026 06:31:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.73217
- Title: Physics-Informed Neural Operator for Warm-Starting Background-Decomposed and Preconditioned PSFD: Enabling Scalable 3-D EUV Mask Simulation
- Title（参考訳）: ウォームスタート背景分解・プレコンディショニングPSFDのための物理インフォームドニューラル演算子:スケーラブルな3次元EUVマスクシミュレーション
- Abstract要約: 本研究では,EUVリソグラフィにおける電磁散乱問題に対する擬スペクトル周波数領域方程式を訓練した物理インフォームド・ニューラル演算子(PINO)を提案する。
PINOは、事前計算されたEMフィールドソリューションを使わずに、トレーニングイテレーション毎にランダムにサンプリングされたLithoBenchライブラリから約16,000のマスク設計でトレーニングされている。
The PINO surrogate model yields a mean absolute error of about 7, times 10-3$ for the scattered intensity of hold-out mask pattern relative to the reference PSFD solution。
- 参考スコア（独自算出の注目度）: 0.8747606955991706
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a physics-informed neural operator (PINO) trained with pseudo-spectral frequency-domain (PSFD) equations for electromagnetic (EM) scattering problems in EUV lithography. The Fourier neural operator is factorized into a two-dimensional lateral ($xy$) branch and a one-dimensional axial ($z$) branch and is trained self-consistently with background decomposition.Thus, the full-vector coupling between the mask and the multilayer response is retained without invoking a finite-order Born approximation. In this way, the computational domain size is significantly reduced, thereby lowering the computational cost. The PINO is trained on approximately 16,000 mask designs from the LithoBench library sampled randomly at each training iteration without using precomputed EM field solutions. The PINO surrogate model yields predictions with a mean absolute error of about $7 \times 10^{-3}$ for the scattered intensity of held-out mask patterns relative to the reference PSFD solution. Combined with spectral damping, the PINO warm-start initialization accelerates the background-decomposed PSFD solver on finer discretizations.
- Abstract（参考訳）: EUVリソグラフィーにおける電磁(EM)散乱問題に対する擬スペクトル周波数領域(PSFD)方程式を訓練した物理インフォームド・ニューラル演算子(PINO)を提案する。
フーリエ神経オペレータは2次元の側方(xy$)枝と1次元の軸(z$)枝に分解され、背景分解と独立に訓練される。
これにより、計算ドメインサイズが大幅に削減され、計算コストが削減される。
PINOは、事前計算されたEMフィールドソリューションを使わずに、トレーニングイテレーション毎にランダムにサンプリングされたLithoBenchライブラリから約16,000のマスク設計でトレーニングされている。
PINOサロゲートモデルは、基準PSFD溶液に対するホールドアウトマスクパターンの散乱強度に対して平均絶対誤差が約7 \times 10^{-3}$で予測される。
スペクトル減衰と組み合わせて、PINOウォームスタート初期化は、より微細な離散化において背景分解されたPSFDソルバを加速させる。
関連論文リスト
- Learning Metamaterial Eigenmodes with Wavelet-Encoded Fourier Neural Operators [57.64362886310329]
ニューラル演算子に基づく機械学習サロゲートは,弾性波動方程式の複数の固有モードを学習し,予測できることを示す。
メタマテリアル設計では、サロゲートは設計サイクルのシミュレーション段階を、コンシューマグレードのCPU上の有限要素解析と比較して3桁の速度で加速する。
これらの結果は、スペクトルニューラル演算子に基づく他のマルチモードPDEソルバの入力エンコーディングを設計するための幅広い意味を持つ。
論文 参考訳（メタデータ） (2026-09-08T01:21:46Z) - PPIM: Pennes Physics-Informed Mamba for Heat-Source-Conditioned 3D Bioheat Simulation [4.395404005298121]
3次元バイオヒートシミュレーションは生体組織の過渡的な温度分布を予測することを目的としている。
マイクロ波アブレーションによる局所的な熱源条件下での3次元ペンスバイオヒートシミュレーションについて検討した。
論文 参考訳（メタデータ） (2026-09-06T22:56:34Z) - Equivariant Continuous Normalizing Flows with Offline Sampling for Fermionic Ground State Estimation [0.0]
フローは置換同変ニューラルODEとして実装される。
調和に閉じ込められたスピンレス電子系のトレーニングは、CISD基準値以下の基底状態エネルギーを示す。
スケーリング実験では、NERSCのPerlmutterスーパーコンピュータの32のGPUノードを使用して、1～128のNVIDIA A100のほぼ理想的なスケーリングを実証している。
論文 参考訳（メタデータ） (2026-07-20T20:17:13Z) - Fourier Feature Pyramids for Physics-Informed Neural Networks [47.75068288153803]
偏微分方程式(PDE)を解くための改良されたニューラルネットワークアーキテクチャを提案する。
Bandlimited Embedding with Interpolated Grid Network (特集:Bandlimited Embedding with Interpolated Grid Network)
我々は,PDEベンチマークにおいて,最先端のPINN手法よりも少ないパラメータを用いて,ベニグレットがはるかに精度の高い解を見つけることを示した。
論文 参考訳（メタデータ） (2026-05-22T23:12:56Z) - Physics-Based Flow Matching for Full-Field Prediction of Silicon Photonic Devices [0.02455468619225742]
我々は、フォトニックデバイスにおける電界分布を予測する生成型ニューラルネットワークであるPICFlowを提案する。
提案手法は, (i) 生成フレームワークとしての条件付きフローマッチング, (ii) 実フィールドチャネルと虚フィールドチャネルを実数値で操作するU-Net, (iii) ランタイムナブラ2 E_z + k2 varepsilon E_z = 0$のHelmholtz残留損失による物理制約付きトレーニングの3つを組み合わせたものである。
論文 参考訳（メタデータ） (2026-05-07T20:40:24Z) - A Fast and Generalizable Fourier Neural Operator-Based Surrogate for Melt-Pool Prediction in Laser Processing [0.0]
本稿では,様々なレーザプロセスのパラメトリック解演算子を学習するサロゲートモデルであるLaser Processing Fourier Neural Operator (LP-FNO)を提案する。
提案するLP-FNOは, プロセスパラメータを3次元温度場と広いプロセスウィンドウ間の溶融プール境界にマッピングする。
粗大分解能データに基づいてトレーニングされたLP-FNOモデルを,より微細な格子上で評価し,メッシュ収束導電系における正確な予測を導出できることを実証した。
論文 参考訳（メタデータ） (2026-02-05T22:39:50Z) - Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。
合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善
DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
論文 参考訳（メタデータ） (2026-02-03T23:38:05Z) - Geometry-Informed Neural Operator for Large-Scale 3D PDEs [76.06115572844882]
大規模偏微分方程式の解演算子を学習するために,幾何インフォームド・ニューラル演算子(GINO)を提案する。
我々はGINOを訓練し、わずか500点のデータポイントで車両表面の圧力を予測することに成功した。
論文 参考訳（メタデータ） (2023-09-01T16:59:21Z) - A DeepParticle method for learning and generating aggregation patterns
in multi-dimensional Keller-Segel chemotaxis systems [3.6184545598911724]
ケラー・セガル (KS) ケモタキシー系の2次元および3次元における凝集パターンと近傍特異解の正則化相互作用粒子法について検討した。
さらに,物理パラメータの異なる解を学習し,生成するためのDeepParticle (DP) 法を開発した。
論文 参考訳（メタデータ） (2022-08-31T20:52:01Z) - Neural Basis Functions for Accelerating Solutions to High Mach Euler
Equations [63.8376359764052]
ニューラルネットワークを用いた偏微分方程式(PDE)の解法を提案する。
ニューラルネットワークの集合を縮小順序 Proper Orthogonal Decomposition (POD) に回帰する。
これらのネットワークは、所定のPDEのパラメータを取り込み、PDEに還元順序近似を計算する分岐ネットワークと組み合わせて使用される。
論文 参考訳（メタデータ） (2022-08-02T18:27:13Z) - PREF: Phasorial Embedding Fields for Compact Neural Representations [54.44527545923917]
本稿では,脳神経信号モデリングと再構成作業を容易にするためのコンパクトな表現として,ファサール埋め込みフィールドemphPREFを提案する。
実験の結果,PreFをベースとしたニューラル信号処理技術は,2次元画像補完,3次元SDF表面回帰,5次元放射野再構成と同等であることがわかった。
論文 参考訳（メタデータ） (2022-05-26T17:43:03Z) - Data-Driven Shadowgraph Simulation of a 3D Object [50.591267188664666]
我々は、数値コードをより安価でプロジェクションベースのサロゲートモデルに置き換えている。
このモデルは、数値的な方法で必要となるすべての前の電場を計算することなく、所定の時間で電場を近似することができる。
このモデルでは, シミュレーションパラメータの狭い範囲におけるデータの摂動問題において, 高品質な再構成が示されており, 大規模な入力データに利用することができる。
論文 参考訳（メタデータ） (2021-06-01T08:46:04Z)
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。