論文の概要: Physics-Informed Neural Network Surrogate for Oxygen Vacancy Dynamics in epitaxial $\mathrm{SrTiO_3}$ on Si memristors via Dynamic Spectral Optimization
- arxiv url: http://arxiv.org/abs/2609.02966v1
- Date: Wed, 02 Sep 2026 07:42:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.807446
- Title: Physics-Informed Neural Network Surrogate for Oxygen Vacancy Dynamics in epitaxial $\mathrm{SrTiO_3}$ on Si memristors via Dynamic Spectral Optimization
- Title（参考訳）: 動的スペクトル最適化によるSi中間子上のエピタキシャル $\mathrm{SrTiO_3}$ における酸素空力ダイナミクスのための物理インフォームニューラルネットワークサロゲート
- Abstract要約: 物理インフォームドニューラルネットワーク(PINN)は、半導体デバイスモデリングのための有望なフレームワークを提供する。
ここでは、ケースケードPINNアーキテクチャと、カスタムな2階空間パラメータ解決器を組み合わせて示す。
トレーニングしたサブニューラルネットを分離することにより、我々のモデルは1016$mのSi基板を回避できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Physics-informed neural networks (PINNs) offer a promising framework for modeling semiconductor devices, yet standard architectures struggle with severe numerical stiffness and multiscale spatial discrepancies inherent to oxide heterostructures. Here, we demonstrate a cascaded PINN architecture coupled with a custom second-order Chebyshev second kind polynomial spectral optimizer (DSO V2 Hybrid) to model ion-electronic drift-diffusion transport in Pt/SrTiO$_3$/Si memristive heterostructures across a 20 nm STO film on a 380 $μ$m Si substrate. By isolating potential, carrier density, and vacancy transport into four sequentially trained sub-neural-networks, our model circumvents condition numbers exceeding $10^{16}$ without operator splitting. The trained surrogate reproduces experimental conductive-AFM current-voltage hysteresis ($R^2 > 0.96$) while ensuring strict Poisson consistency across continuous space. Compared to conventional finite-element solvers (e.g., COMSOL), the PINN surrogate enables differentiable inverse parameter estimation and linear time inference.
- Abstract（参考訳）: 物理インフォームドニューラルネットワーク(PINN)は半導体デバイスをモデル化するための有望なフレームワークを提供するが、標準的なアーキテクチャは酸化物ヘテロ構造に固有の厳密な数値剛性とマルチスケールの空間差に苦しむ。
本稿では,Pt/SrTiO$_3$/Siメムリシックヘテロ構造を380$μ$mSi基板上の20nmSTO膜上でモデル化するために,カスタム2階チェビシェフ2次多項式スペクトル最適化器(DSO V2ハイブリッド)と組み合わせたケースケードPINNアーキテクチャを実証する。
連続的に訓練された4つのサブニューラルネットワークへの電位, キャリア密度, 空洞輸送を分離することにより, 演算子分割を伴わずに, 条件数が10〜16ドルを超えることを回避できる。
訓練されたサロゲートは実験導電性AFM電流-電圧ヒステリシス(R^2 > 0.96$)を再現し、連続空間におけるポアソンの厳密な整合性を確保する。
従来の有限要素解法(例えば COMSOL)と比較して、PINNサロゲートは微分可能な逆パラメータ推定と線形時間推定を可能にする。
関連論文リスト
- Fast Surrogate Modeling of Excitable and Oscillatory FitzHugh-Nagumo Dynamics with Parametric Neural Operators [0.0]
パラメータ条件付きフーリエニューラル演算子(FNO)をFitzHugh-Nagumo系の高速かつ微分可能なサロゲートとして訓練する。
モデルを2つの異なる状態に分割する単一の分岐解析を適用する。
励起可能な状態において、同一演算子は、発射しきい値と$cproto sqrtD_u$伝導速度則を正確に再現する。
論文 参考訳（メタデータ） (2026-09-03T23:13:24Z) - Kibble-Zurek Dynamics in Two-dimensional Frustrated Systems with a Neural Foundation-state Subspace Method [0.6524460254566904]
本稿では,近距離断熱力学のためのNeural Foundation-State Subspace (NFS)法を提案する。
基礎的なニューラルネットワーク量子状態は、駆動経路に沿った基底状態多様体を表す。
本手法を2次元横フィールドイジングモデルで検証する。
論文 参考訳（メタデータ） (2026-09-03T16:58:54Z) - Generative Nested Sampling of Atomistic Thermodynamic Landscapes [37.547720439639015]
フローベースネストサンプリングは重力波(GW)推論のボトルネックを取り除く。
PBC の LJ ディスクは, エネルギー評価を2桁以上, 壁面時を約3分の1以上削減することを示した。
PBCのLJディスクの場合、このアルゴリズムはエネルギー評価を2桁以上、壁時計時間はおよそ3分の1以上削減する。
論文 参考訳（メタデータ） (2026-09-02T22:21:10Z) - Neural-Network Inverse Design of SRF Cavities and Transmons for Bosonic Quantum Computation [36.94429692322632]
3次元超伝導ラジオ周波数(SRF)キャビティは、非常に長寿命の電磁モードを提供する。
このようなシステムの逆設計、すなわち特定の電磁的およびカップリングターゲットを生成するデバイスジオメトリは、一般に1対多の問題である。
設計スタックの相補的なレベルで、この逆設計問題に対処する2つのディープニューラルネットワーク(DNN)アプローチを提案する。
論文 参考訳（メタデータ） (2026-07-02T15:06:11Z) - DSFNet: Learning Dual-Domain Spectral Operators for Multi-Modality Spatio-Temporal Forecasting in Urban Transportation Systems [51.72074484150301]
本稿ではDSFNet(Dual-Domain Spectral Network)を提案し,変数間の関係を明示的にモデル化する。
このフレームワークは、異種空間パターンを捉えるために、二重領域スペクトルフィルタリングを用いる。
2番目のベースラインと比較して、DSFNetはこれらのデータセット間でMAEを3.21%-10.16%削減する。
論文 参考訳（メタデータ） (2026-06-05T07:33:57Z) - Eradicating Negative Transfer in Multi-Physics Foundation Models via Sparse Mixture-of-Experts Routing [0.0]
Shodh-MoEはマルチ物理輸送のためのスパース活性化潜在トランスフォーマーアーキテクチャである。
Top-1ルータは、ローカライズされた潜伏パッチをエキスパートワークに動的に割り当てる。
結果は、汎用神経オペレーターにおける多物理干渉を緩和するための実用的なアーキテクチャメカニズムとしてスパースエキスパートルーティングをサポートする。
論文 参考訳（メタデータ） (2026-05-14T17:58:15Z) - 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) - Superdiffusive transport protected by topology and symmetry in all dimensions [5.235753300718279]
量子モデルにおいて超拡散を誘導する新しいメカニズム、"nodal mechanism"が提案されている。
本稿では, 凝縮物質系で実現可能な超拡散生成モデルについて提案する。
本フレームワークは, 線形温度比抵抗の新たなメカニズムとして, 実験的に検証可能なシグネチャの集合を予測する。
論文 参考訳（メタデータ） (2025-11-12T19:00:02Z) - Resolving Turbulent Magnetohydrodynamics: A Hybrid Operator-Diffusion Framework [0.1572025118388268]
ハイブリッド機械学習フレームワークは、100, 250, 500, 750, 1000, 3000, 10000$で$mathrmReで高忠実度シミュレーションの包括的なアンサンブルに基づいてトレーニングされている。
極度の乱流レベルでは、磁場の高波数進化を回復できる最初のサロゲートのままである。
論文 参考訳（メタデータ） (2025-07-02T19:33:57Z) - KITINet: Kinetics Theory Inspired Network Architectures with PDE Simulation Approaches [43.872190335490515]
本稿では,非平衡粒子動力学のレンズによる特徴伝播を再解釈する新しいアーキテクチャKITINetを紹介する。
そこで本研究では,粒子系の進化をモデルとした残留モジュールを提案する。
この定式化は粒子衝突とエネルギー交換を模倣し、物理インフォームド相互作用による適応的特徴改善を可能にする。
論文 参考訳（メタデータ） (2025-05-23T13:58:29Z) - Lévy Light Cones and Critical Causality in Fractional Multiscale Quantum Ising Models [0.5852077003870417]
一次元の分数的多次元逆場イジングモデルにおける因果性と臨界性について検討する。
これらのユニークな相互作用は、現在の量子情報アーキテクチャで実装することができる。
論文 参考訳（メタデータ） (2025-05-08T21:00:47Z) - A Deep Learning Powered Numerical Relativity Surrogate for Binary Black Hole Waveforms [32.776709911649554]
ニューラルネットワークに基づくNRサロゲートモデルに対する2段階のトレーニング手法を提案する。
これら2段階の人工神経サロゲートモデルは、高速かつ競争的に正確な波形生成を提供する。
パラメータ推定タスクに使用できることを示す。
論文 参考訳（メタデータ） (2024-12-09T19:45:30Z) - Predicting the Stability of Hierarchical Triple Systems with
Convolutional Neural Networks [68.8204255655161]
本稿では,階層型三重項の安定性を予測する畳み込みニューラルネットワークモデルを提案する。
すべてのトレーニングされたモデルは公開されており、純粋な$N$-bodyメソッドよりも200ドルの速さで階層的な3重システムの安定性を予測することができる。
論文 参考訳（メタデータ） (2022-06-24T17:58:13Z) - Non-Markovian Effects of Two-Level Systems in a Niobium Coaxial
Resonator with a Single-Photon Lifetime of 10 ms [0.0]
2レベル系(TLS)のコヒーレンスは、同軸クアッドウェーブ共振器のリングダウンダイナミクスを正確に記述する必要がある。
共振器場とTLS間のコヒーレント弾性散乱による空洞崩壊に対する長期的影響を観察した。
このモデルは内部品質因子の温度依存性を正確に予測する。
論文 参考訳（メタデータ） (2021-02-19T16:36:18Z)
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。
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。