Neural Lithography: Close the Design-to-Manufacturing Gap in Computational Optics with a ‘Real2Sim’ Learned Photolithography Simulator

要約

私たちは、計算光学における「設計から製造まで」のギャップに対処するためにニューラル リソグラフィーを導入します。
大きな設計自由度を備えた計算光学により、従来の光学を超えた高度な機能とパフォーマンスが可能になります。
しかし、既存の設計アプローチでは、製造プロセスの数値モデリングが見落とされていることが多く、その結果、設計と製造された光学素子との間に大きな性能の偏差が生じる可能性があります。
このギャップを埋めるために、私たちは、事前トレーニングされたフォトリソグラフィー シミュレーターをモデルベースの光学設計ループに統合する、完全に微分可能な設計フレームワークを初めて提案します。
物理学に基づいたモデリングと、実験的に収集されたデータセットを使用したデータ駆動型トレーニングを組み合わせて活用する当社のフォトリソグラフィ シミュレータは、設計中の製造実現可能性のレギュラライザーとして機能し、リソグラフィ プロセスで導入された構造の不一致を補償します。
私たちは、計算光学における 2 つの典型的なタスクを通じてアプローチの有効性を実証します。このタスクでは、2 光子リソグラフィー システムを使用してホログラフィック光学素子 (HOE) とマルチレベル回折レンズ (MDL) を設計および製造し、光学性能の向上を示します。
タスク固有のメトリクス。

要約(オリジナル)

We introduce neural lithography to address the ‘design-to-manufacturing’ gap in computational optics. Computational optics with large design degrees of freedom enable advanced functionalities and performance beyond traditional optics. However, the existing design approaches often overlook the numerical modeling of the manufacturing process, which can result in significant performance deviation between the design and the fabricated optics. To bridge this gap, we, for the first time, propose a fully differentiable design framework that integrates a pre-trained photolithography simulator into the model-based optical design loop. Leveraging a blend of physics-informed modeling and data-driven training using experimentally collected datasets, our photolithography simulator serves as a regularizer on fabrication feasibility during design, compensating for structure discrepancies introduced in the lithography process. We demonstrate the effectiveness of our approach through two typical tasks in computational optics, where we design and fabricate a holographic optical element (HOE) and a multi-level diffractive lens (MDL) using a two-photon lithography system, showcasing improved optical performance on the task-specific metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google