論文の概要: Global-in-time Spectral Duhamel-Picard Method for Post-Exposure Bake Simulation and Physics-Informed Neural Operators for EUV Lithography

• arxiv url: http://arxiv.org/abs/2610.20655v1
• Date: Tue, 13 Oct 2026 19:22:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:15.970541
• Title: Global-in-time Spectral Duhamel-Picard Method for Post-Exposure Bake Simulation and Physics-Informed Neural Operators for EUV Lithography
• Title（参考訳）: EUVリソグラフィーのための露光後ベイクシミュレーションと物理インフォームドニューラル演算子のためのグローバル・イン・タイムスペクトルデュハメル・ピカード法
• Abstract要約: 本稿では,Duhamel-Picard 法のグローバル・イン・タイム・バリアントについて,PEB (Post-Exposure Bake) シミュレーションの拡張について述べる。 提案手法は,1分間のオーダーで1200タイムs1200タイムs100$ボクセルの大規模なドメインをシミュレートする。
• 参考スコア（独自算出の注目度）: 1.2957853480486385
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a global-in-time spectral Duhamel-Picard method with polynomial expansions for post-exposure bake (PEB) simulation. The coupled acid-quencher reaction-diffusion equations are reformulated as nonlinear Volterra integral equations using the Duhamel principle. Full trajectories are represented by finite polynomial expansions, with temporal coefficient fields determined over the bake interval by Anderson-accelerated Picard iteration, thereby avoiding sequential time marching. In 3-D PEB simulations, we employ Chebyshev and Legendre temporal bases while evaluating the Duhamel integrals using the corresponding Gaussian quadrature rules. We demonstrate that the proposed method simulates a large domain of $1200\times1200\times100$ voxels on the order of one minute. The representation is further incorporated into a physics-informed neural operator (PINO) with a mixed-transform variant of a factorized Fourier neural operator, which is trained without precomputed solution trajectories. Together, the integral formulation and its PINO extension enable accelerated, time-marching-free prediction of concentration fields at arbitrary times within the bake interval.
• Abstract（参考訳）: ポスト露光ベーク(PEB)シミュレーションのための多項式展開を用いたグローバル・イン・タイムスペクトルDuhamel-Picard法を提案する。 結合した酸-焼成反応拡散方程式は、デュハメル原理を用いて非線形ボルテラ積分方程式として再構成される。 完全な軌道は有限多項式展開で表され、アンダーソン加速ピカード反復によりベーク区間上で時間係数場が決定される。 3次元PEBシミュレーションでは、対応するガウス二次規則を用いてデュハメル積分を評価しながら、チェビシェフとレジェンダレの時間基底を用いる。 提案手法は,1分間のオーダーで1200\times1200\times100$ボクセルの大域をシミュレートする。 この表現は、あらかじめ計算された解軌跡を使わずに訓練された因子化フーリエ神経オペレータの混合変換変異を持つ物理インフォームド神経オペレータ(PINO)にさらに組み込まれている。 積分定式化とそのPINO拡張は、ベーク間隔内で任意のタイミングで濃度場の加速、時間マーチなし予測を可能にする。

関連論文リスト

• fTNN: a tensor neural network for fractional PDEs [0.0]
  有界領域上の分数ラプラシアン問題に対する決定論的テンソルニューラルネットワーク部分空間法であるfTNNを開発した。 提案手法は,既存のfPINNやモンテカルロのベースラインよりも精度が高く,大幅に改善されている。
  論文  参考訳（メタデータ） (2026-06-25T15:13:55Z)
• Linear Combination of Hamiltonian Simulation with Commutator Scaling [3.3728077347699497]
  本論文では,マルチプロダクタンスフォーミュラを用いたハミルトンシミュレーションのステップの実装により,可換性に敏感な誤差と複雑性境界が得られることを示す。 二次規則は離散化誤差だけでなく、可換構造やクエリの複雑さにも影響を及ぼすことを示した。
  論文  参考訳（メタデータ） (2026-06-09T22:12:35Z)
• Parallel Complex Diffusion for Scalable Time Series Generation [50.01609741902786]
  PaCoDiは周波数領域における生成モデリングを分離するスペクトルネイティブアーキテクチャである。 本研究では,PaCoDiが生成品質と推論速度の両方において,既存のベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2026-02-10T14:31:53Z)
• MultiPDENet: PDE-embedded Learning with Multi-time-stepping for Accelerated Flow Simulation [48.41289705783405]
  マルチスケールタイムステップ(MultiPDENet)を用いたPDE組み込みネットワークを提案する。 特に,有限差分構造に基づく畳み込みフィルタを少数のパラメータで設計し,最適化する。 4階ランゲ・クッタ積分器を微細な時間スケールで備えた物理ブロックが確立され、PDEの構造を埋め込んで予測を導出する。
  論文  参考訳（メタデータ） (2025-01-27T12:15:51Z)
• Real-time Inference and Extrapolation via a Diffusion-inspired Temporal Transformer Operator (DiTTO) [1.5728609542259502]
  本稿では,時間依存偏微分方程式(PDE)を時間的離散化を伴わずに時間外挿で連続的に解く演算子学習法を提案する。 Diffusion-inspired Temporal Transformer Operator (DiTTO) と呼ばれる提案手法は,遅延拡散モデルとその条件付け機構に着想を得たものである。 我々は,地球上の温度を数年間推定し,気候問題に対する外挿能力を示すとともに,二重円錐周りの超音速流れをモデル化する。
  論文  参考訳（メタデータ） (2023-07-18T08:45:54Z)
• Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
  我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。 シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。 本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
  論文  参考訳（メタデータ） (2022-11-24T07:30:27Z)
• Semi-supervised Learning of Partial Differential Operators and Dynamical Flows [68.77595310155365]
  本稿では,超ネットワーク解法とフーリエニューラル演算子アーキテクチャを組み合わせた新しい手法を提案する。 本手法は, 1次元, 2次元, 3次元の非線形流体を含む様々な時間発展PDEを用いて実験を行った。 その結果、新しい手法は、監督点の時点における学習精度を向上し、任意の中間時間にその解を補間できることを示した。
  論文  参考訳（メタデータ） (2022-07-28T19:59:14Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• A high-order integral equation-based solver for the time-dependent Schrodinger equation [0.0]
  滑らかなポテンシャルを持つ時間依存型シュロディンガー方程式の解法を提案する。 空間的に均一な電場を含むことができ、光源相互作用のシミュレーションに適用できる。
  論文  参考訳（メタデータ） (2020-01-16T23:50:26Z)

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。