論文の概要: Real-to-Sim Calibration of Bosch Etching Simulators with Few-Shot XSEM Data and Hybrid Search

• arxiv url: http://arxiv.org/abs/2610.31904v1
• Date: Thu, 22 Oct 2026 20:59:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.291438
• Title: Real-to-Sim Calibration of Bosch Etching Simulators with Few-Shot XSEM Data and Hybrid Search
• Title（参考訳）: Few-Shot XSEMデータとハイブリッド探索を用いたボッシュエッチングシミュレータの実時間校正
• Abstract要約: 本研究では,シミュレーションパラメータを直接プロセス変数から分離し,スパース測定からレシピ固有のシミュレータパラメータベクトルを推定する,数ショットのリアルタイムキャリブレーションフレームワークを提案する。 2つのBoschエッチングレシピの実験により,提案手法がホールドアウトエッチング結果を正確に予測できることが示されている。
• 参考スコア（独自算出の注目度）: 15.800260107769844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Bosch process is widely used in MEMS and TSV fabrication, but accurate prediction of etching outcomes remains difficult without calibration against real measurements, which are sparse and costly to obtain. This work presents a few-shot real-to-sim calibration framework that decouples simulator parameters from direct process variables to infer a recipe-specific simulator parameter vector from sparse measurements, enabling reliable prediction of etch depth and sidewall angle under held-out process conditions. We first formulate Bosch profile prediction as a few-shot real-to-sim calibration problem, where a small set of real XSEM measurements is used to identify a recipe-specific ViennaPS parameter vector $z_r^*$ that minimizes the discrepancy between simulated and measured etch depth and sidewall angle. To search this parameter space efficiently, the framework combines local exploration, LLM-guided candidate generation, and XGBoost-based surrogate screening, while retaining ViennaPS simulation as the final verification step for each selected candidate. Experiments on two Bosch etching recipes show that the proposed framework accurately predicts held-out etching results, achieving normalized global errors of 0.340 and 0.249 for the 2 recipes respectively.
• Abstract（参考訳）: ボッシュ法はMEMS, TSV製造において広く用いられているが, エッチング結果の正確な予測は実測値に対してキャリブレーションなしでは困難であり, 得られるコストは少ない。 本研究では, 直接プロセス変数からシミュレータパラメータを分離し, スパース測定からレシピ固有のシミュレータパラメータベクトルを推定し, ホールドアウトプロセス条件下でのエッチング深さとサイドウォール角度の確実な予測を可能にする, 数発のリアルタイムキャリブレーション・フレームワークを提案する。 まずボッシュプロファイルの予測を数ショットのリアルタイム・シミュレーションキャリブレーション問題として定式化し、そこでは、シミュレーションされたエッチング深さと側壁角度との差を最小限に抑えるレシピ固有のウィーンPSパラメータベクトル $z_r^*$ を特定するために、実XSEM測定の小さなセットを用いる。 このパラメータ空間を効率的に探索するために、このフレームワークはローカル探索、LLM誘導候補生成、XGBoostベースのサロゲートスクリーニングを組み合わせ、ウィーンPSシミュレーションを各候補の最終検証ステップとして保持する。 2つのBoschエッチングレシピの実験により,提案フレームワークは,2つのレシピに対してそれぞれ0.340と0.249の正規化グローバルエラーを達成し,ホールドアウトエッチング結果を正確に予測することを示した。

関連論文リスト

• Prediction Uncertainty Controlled Computer Model Calibration [0.0]
  予測誤発見を直接対象とする2層フレームワークを提案する。 まず、条件付きフローマッチングモデルにより、キャリブレーションパラメータの補正後部を学習する。 第二に、共形リスク制御は、ターゲット観測のための後引きをネストした候補セットに配置する。
  論文  参考訳（メタデータ） (2026-10-22T12:22:01Z)
• Bridging the Simulation-to-Reality Gap in Electron Microscope Calibration via VAE-EM Estimation [1.4719924357068723]
  可変オートエンコーダ(VAE)を用いた走査透過電子顕微鏡(STEM)の校正問題に取り組む。 VAEは画像の低次元表現を学習するが、既存の手法はスカラー値のみを抽出する。 次に,キャリブレーションパラメータを符号化表現と最適キャリブレーションパラメータにマッピングするモデルを,期待(EM)アプローチを用いて同時に推定する。
  論文  参考訳（メタデータ） (2026-03-17T14:15:33Z)
• UQ of 2D Slab Burner DNS: Surrogates, Uncertainty Propagation, and Parameter Calibration [36.136619420474766]
  本研究の目的は,2次元スラブバーナ直接数値シミュレーション(DNS)のような複雑な物理シミュレーションの完全不確実性定量化分析を行う上での課題を実証し,解決することである。 UQフレームワークは、データ駆動サロゲートモデルの開発と、燃料回帰率に対するパラメトリック不確実性の伝播を含む。 本研究では, 複雑な燃焼系における燃料の回帰速度の予測における不確かさの定量化における代理モデル選択とパラメータキャリブレーションの重要性を強調した。
  論文  参考訳（メタデータ） (2024-11-09T20:56:05Z)
• Sharp Calibrated Gaussian Processes [58.94710279601622]
  キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。 本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。 我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:17:36Z)
• Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
  Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。 本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。 我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
  論文  参考訳（メタデータ） (2022-09-27T07:58:25Z)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• A Framework for Improving the Reliability of Black-box Variational Inference [9.621959865172549]
  Black-box Variational Inference (BBVI)は、機械学習と統計学で広く使われている。 本稿では,BBVI最適化の信頼性向上のためのフレームワークであるRobust and Automated Black-box VI (RABVI)を提案する。 RABVIは、厳格に正当化された自動化技術に基づいており、少数の直感的なチューニングパラメータを含み、最適な変分近似の不正確な推定を検出する。
  論文  参考訳（メタデータ） (2022-03-29T23:05:40Z)
• Parameterized Temperature Scaling for Boosting the Expressive Power in Post-Hoc Uncertainty Calibration [57.568461777747515]
  我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。 最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。 当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2021-02-24T10:18:30Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)

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。