論文の概要: LithoWorld: An Endpoint World Model for Lithography Process-Window Recovery

• arxiv url: http://arxiv.org/abs/2610.23408v1
• Date: Fri, 16 Oct 2026 13:04:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.918094
• Title: LithoWorld: An Endpoint World Model for Lithography Process-Window Recovery
• Title（参考訳）: LithoWorld:リソグラフィプロセスウィンドウリカバリのためのエンドポイントワールドモデル
• Abstract要約: 本稿では,SEM誘導パラメータリカバリのためのエンドポイントワールドモデルLithoWorldを提案する。 因果予測分岐は、現在の特徴を終端表現と整列し、条件フローポリシーはアクションチャンクとして2次元補正を生成する。 このモデルは、フォーカス露光マップとして組織された173のSEMのグループから学習し、未測定細胞を未知のまま保存する。
• 参考スコア（独自算出の注目度）: 20.075591132912564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lithography process drift can move a fabricated pattern outside its process window, producing unqualified scanning electron microscopy (SEM) morphology. We present LithoWorld, an endpoint world model for SEM-guided parameter recovery. Interior representative targets jointly determine qualified reference appearance and correction supervision. A causal predictive branch aligns currentimage features with endpoint representations, while a conditional flow policy generates a two-dimensional correction as an action chunk. The model learns from 173 groups of measured SEMs organized as focus-exposure maps, preserving unmeasured cells as unknown. On 200 test pairs from the 73-group subset, LithoWorld achieves 88.5% qualified-region success and 46.0% interior success, exceeding the strongest comparison method by 2.5 and 6.0 percentage points, respectively. Ablations separate the effects of target selection, endpoint alignment, and output parameterization. Qualitative SEM retrieval illustrates recovery to qualified interiors without requiring exact reference-coordinate matching.
• Abstract（参考訳）: リソグラフィープロセスドリフトは、製造されたパターンをプロセスウィンドウの外に移動させ、不等化走査電子顕微鏡(SEM)形態を生成できる。 本稿では,SEM誘導パラメータリカバリのためのエンドポイントワールドモデルLithoWorldを提案する。 内部代表者は、認定された基準の外観と修正の監督を共同で決定する。 因果予測分岐は、現在の特徴を終端表現と整列し、条件フローポリシーはアクションチャンクとして2次元補正を生成する。 このモデルは、フォーカス露光マップとして組織された173のSEMのグループから学習し、未測定細胞を未知のまま保存する。 73グループのサブセットから200のテストペアで、LithoWorldは88.5%の認定地域成功と46.0%の内的成功を達成し、それぞれ2.5ポイントと6.0ポイントという最強の比較方法を上回っている。 アブレーションは、ターゲット選択、エンドポイントアライメント、出力パラメータ化の影響を分離する。 定性的SEM検索は、正確な基準座標マッチングを必要とせずに、資格付きインテリアへのリカバリを示す。

関連論文リスト

• World Modeling through Spectral Alignment [19.52950451080996]
  我々は、観察間の望ましい関係を明確に規定するフレームワークであるSpecWMを紹介する。 異なるカーネルは、物理的状態情報から完全に自己管理された時間カーネルまで、さまざまな監督を提供する。 表現幾何を明示的に指定することは、潜在世界モデルが制御のために保持するものを操縦する簡単な方法であることを示す。
  論文  参考訳（メタデータ） (2026-10-11T08:05:40Z)
• Efficient Patch-Based Anomaly Detection Fused with Diffusion Driven Generative Modeling for Semiconductor Wafer Bin Map Open Set Anomaly Detection [0.0]
  本研究は、パッチベースの学生教師検出装置(EfficientAD)と部分拡散再構成に用いる拡散確率モデル(DDPM)を結合したハイブリッド一級フレームワークを提案する。 WM-38K混合型データセットから700個の正常なウエハをトレーニングし、18,658個の保持型ウエハで評価し、融合検出器はAUROCの0.9985に達し、誤分類は852個(DDPM)と1,412個(EfficientAD)から618個(EfficientAD)に減少した。
  論文  参考訳（メタデータ） (2026-10-07T12:52:58Z)
• Riemannian--Lorentz Fusion of Vision Transformers and State-Space Models [3.183924309596046]
  ディープラーニングのスケールアップは、データの枯渇、指数的トレーニングコスト、リソース集中といった、重大なボトルネックに直面します。 モデルマージは、降下勾配のない事前訓練されたチェックポイントを組み合わせることで、マグニチュード・オブ・マグニチュードの削減と再トレーニングを提供する。 既存の重み空間マージ法では整列整合型チェックポイントが仮定されるのに対し、ViT(Vision Transformer)とSSM(State-space Model)は異なる演算子とトークンミキシングを実装している。 パラメータ群をセマンティックな役割で整列させながら両方のアーキテクチャを維持できるハイブリッドな不均一なマージ設定について検討する。
  論文  参考訳（メタデータ） (2026-09-16T20:05:11Z)
• Beyond Localization: A Comprehensive Diagnosis of Perspective-Conditioned Spatial Reasoning in MLLMs from Omnidirectional Images [52.50752250573993]
  MLLM(Multimodal Large Language Models)は、視覚的知覚が強いが、視点の変化による空間の推論には限界がある。 本研究では、この課題を全方位360度画像におけるパースペクティブ・コンディションド・スペース・推論(PCSR)として検討する。 我々は2,600全方位画像から84,373組の質問応答対の診断ベンチマークであるPCSR-Benchを紹介する。
  論文  参考訳（メタデータ） (2026-05-12T17:11:17Z)
• Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
  病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。 核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。 提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
  論文  参考訳（メタデータ） (2023-01-24T17:54:01Z)
• MAPPING: Model Average with Post-processing for Stroke Lesion Segmentation [57.336056469276585]
  我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。 本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
  論文  参考訳（メタデータ） (2022-11-11T14:17:04Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Improving Visual Grounding by Encouraging Consistent Gradient-based Explanations [58.442103936918805]
  注意マスク整合性は,従来の方法よりも優れた視覚的グラウンドリング結果が得られることを示す。 AMCは効率的で実装が容易であり、どんな視覚言語モデルでも採用できるため一般的である。
  論文  参考訳（メタデータ） (2022-06-30T17:55:12Z)
• GELATO: Geometrically Enriched Latent Model for Offline Reinforcement Learning [54.291331971813364]
  オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。 本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。 提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
  論文  参考訳（メタデータ） (2021-02-22T19:42:40Z)

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。