Physics-Informed Neural Operator

新的物理信息神经算子加速EUV光刻仿真

研究人员开发了一种物理信息神经算子（PINO）来改进极紫外（EUV）光刻中电磁散射问题的仿真。该PINO模型分解为横向和轴向分支，使用伪谱频率域（PSFD）方程进行训练，并从大约16,000个掩模设计中学习，无需依赖预先计算的解。所得的代理模型在未见过的掩模图案上散射强度方面实现了约$7 imes 10^{-3}$的平均绝对误差，并且与谱阻尼结合使用时，可以加速PSFD求解器以实现更精细的离散化。