Buchumschlag

ILILT: Implicit Learning of Inverse Lithography Technologies

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Haoyu, Ren, Haoxing
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pushing the Limits of Inverse Lithography with Generative Reinforcement Learning
von: Yang, Haoyu, et al.
Veröffentlicht: (2026)

GPU-Accelerated Inverse Lithography Towards High Quality Curvy Mask Generation
von: Yang, Haoyu, et al.
Veröffentlicht: (2024)

Optimizing Predictive AI in Physical Design Flows with Mini Pixel Batch Gradient Descent
von: Yang, Haoyu, et al.
Veröffentlicht: (2024)

LithoGRPO: Fast Inverse Lithography via GRPO Reinforced Flow Matching
von: Lai, Yao, et al.
Veröffentlicht: (2026)

Autonomous Assessment of Demonstration Sufficiency via Bayesian Inverse Reinforcement Learning
von: Trinh, Tu, et al.
Veröffentlicht: (2022)

Deep Generative Prior for First Order Inverse Optimization
von: Yang, Haoyu, et al.
Veröffentlicht: (2025)

Learning Library Cell Representations in Vector Space
von: Liang, Rongjian, et al.
Veröffentlicht: (2025)

Code Less, Align More: Efficient LLM Fine-tuning for Code Generation with Data Pruning
von: Tsai, Yun-Da, et al.
Veröffentlicht: (2024)

Implicit Regularization of the Deep Inverse Prior Trained with Inertia
von: Buskulic, Nathan, et al.
Veröffentlicht: (2025)

GOALPlace: Begin with the End in Mind
von: Agnesina, Anthony, et al.
Veröffentlicht: (2024)

Bridging the Gap Between Average and Discounted TD Learning
von: Tian, Haoxing, et al.
Veröffentlicht: (2026)

Improving Efficiency of Iso-Surface Extraction on Implicit Neural Representations Using Uncertainty Propagation
von: Li, Haoyu, et al.
Veröffentlicht: (2024)

Timing Analysis Agent: Autonomous Multi-Corner Multi-Mode (MCMM) Timing Debugging with Timing Debug Relation Graph
von: Nainani, Jatin, et al.
Veröffentlicht: (2025)

A Rapid Physics-Informed Machine Learning Framework Based on Extreme Learning Machine for Inverse Stefan Problems
von: Zhuang, Pei-Zhi, et al.
Veröffentlicht: (2025)

LLM4Cov: Execution-Aware Agentic Learning for High-coverage Testbench Generation
von: Zhang, Hejia, et al.
Veröffentlicht: (2026)

Unitho: A Unified Multi-Task Framework for Computational Lithography
von: Jin, Qian, et al.
Veröffentlicht: (2025)

Hybrid Inverse Reinforcement Learning
von: Ren, Juntao, et al.
Veröffentlicht: (2024)

EVA-Net: Interpretable Anomaly Detection for Brain Health via Learning Continuous Aging Prototypes from One-Class EEG Cohorts
von: Zhang, Kunyu, et al.
Veröffentlicht: (2025)

Federated Knowledge Distillation for Multi-Model Architectures Lithography Hotspot Detection
von: Li, Yuqi, et al.
Veröffentlicht: (2025)

Implicit Turn-Wise Policy Optimization for Proactive User-LLM Interaction
von: Wang, Haoyu, et al.
Veröffentlicht: (2026)

Rethinking Layer-wise Gaussian Noise Injection: Bridging Implicit Objectives and Privacy Budget Allocation
von: Tan, Qifeng, et al.
Veröffentlicht: (2025)

RINS-T: Robust Implicit Neural Solvers for Time Series Linear Inverse Problems
von: Niresi, Keivan Faghih, et al.
Veröffentlicht: (2025)

Autonomous Code Evolution Meets NP-Completeness
von: Yu, Cunxi, et al.
Veröffentlicht: (2025)

Scalable Implicit Graphon Learning
von: Azizpour, Ali, et al.
Veröffentlicht: (2024)

BoolGebra: Attributed Graph-learning for Boolean Algebraic Manipulation
von: Li, Yingjie, et al.
Veröffentlicht: (2024)

Adversarial Inverse Reinforcement Learning for Mean Field Games
von: Chen, Yang, et al.
Veröffentlicht: (2021)

Estimating Implicit Regularization in Deep Learning
von: Rudoler, Joseph H., et al.
Veröffentlicht: (2026)

PolyCL: Contrastive Learning for Polymer Representation Learning via Explicit and Implicit Augmentations
von: Zhou, Jiajun, et al.
Veröffentlicht: (2024)

Distributional Inverse Reinforcement Learning
von: Wu, Feiyang, et al.
Veröffentlicht: (2025)

ACE-RTL: When Agentic Context Evolution Meets RTL-Specialized LLMs
von: Deng, Chenhui, et al.
Veröffentlicht: (2026)

Inverse Reinforcement Learning without Reinforcement Learning
von: Swamy, Gokul, et al.
Veröffentlicht: (2023)

How do Transformers Learn Implicit Reasoning?
von: Ye, Jiaran, et al.
Veröffentlicht: (2025)

Explorable INR: An Implicit Neural Representation for Ensemble Simulation Enabling Efficient Spatial and Parameter Exploration
von: Chen, Yi-Tang, et al.
Veröffentlicht: (2025)

Continuous Field Reconstruction from Sparse Observations with Implicit Neural Networks
von: Luo, Xihaier, et al.
Veröffentlicht: (2024)

Learning Regularization for Graph Inverse Problems
von: Eliasof, Moshe, et al.
Veröffentlicht: (2024)

Towards Generalized Inverse Reinforcement Learning
von: Dong, Chaosheng, et al.
Veröffentlicht: (2024)

The Virtues of Pessimism in Inverse Reinforcement Learning
von: Wu, David, et al.
Veröffentlicht: (2024)

Polymath: A Self-Optimizing Agent with Dynamic Hierarchical Workflow
von: Ho, Chia-Tung, et al.
Veröffentlicht: (2025)

On the Implicit Adversariality of Catastrophic Forgetting in Deep Continual Learning
von: Peng, Ze, et al.
Veröffentlicht: (2025)

EasyDGL: Encode, Train and Interpret for Continuous-time Dynamic Graph Learning
von: Chen, Chao, et al.
Veröffentlicht: (2023)