EUV电磁波衍射的物理信息神经系统
机器学习
2026-03-18 v2 人工智能
应用物理
计算物理
光学
摘要
本文介绍了用于求解极端紫外（EUV）电磁波从当代光刻掩模衍射问题的物理信息神经网络（Physics-Informed Neural Networks, PINNs）和神经算子（Neural Operators, NOs）。我们提出了一种新型混合波导神经算子（Waveguide Neural Operator, WGNO），其基于波导方法，其中最计算密集的组件被神经网络取代。为评估性能，比较了PINNs和NOs与现代数值求解器在一系列具有已知精确解的问题上的准确性和推理时间。重点考察了13.5 nm和11.2 nm波长下人工神经系统的解答准确性。数值实验表明，PINNs和神经算子在准确性和预测时间上均达到与现代数值求解器相当的水平，其中提出的WGNO架构实现了最先进的性能。所提神经算子具有显著的泛化能力，意味着对于未见过的problem参数，仍能提供接近训练数据集中参数的解答准确性。这些结果为加速下一代光刻掩模的设计和优化工作流程提供了高度有效的解决方案。
引用
@article{arxiv.2603.15584,
title = {Physics-Informed Neural Systems for the Simulation of EUV Electromagnetic Wave Diffraction from a Lithography Mask},
author = {Vasiliy A. Es'kin and Egor V. Ivanov},
journal= {arXiv preprint arXiv:2603.15584},
year = {2026}
}
备注
arXiv admin note: substantial text overlap with arXiv:2507.04153