Guo与Bu提出SHRAV框架用于物理建模与逆向设计
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载框架的五个环节
SHRAV 是一个与具体架构无关的计算框架，由 State、Hypothesis、Reason、Action、Verify 五个环节组成。它的核心机制是一个状态延续内核，该内核带有明确声明的复用边界，并为学习到的演化过程与数值量分别设定了清晰的角色分工。在正向配置下，框架让预测状态逐步演化，并据此读出物理响应；在逆向设计配置下，它还会额外生成面向目标的修改，并接收评估器给出的反馈。论文把电磁世界模型的相关研究映射到正向配置中，并报告了其中选定的读出与复用诊断结果。计算光刻则被用来展示逆向设计配置的实际运行方式。作者为 Ziheng Guo 与 Yang Bu，论文共 7 页、含 4 张图。
光刻任务上的数字
在计算光刻这一逆向设计场景中，框架执行了四次固定权重的设计更新。经过这四次更新，阈值化后的空中图像交并比从 0.5313 提升到 0.8153。这一结果是在独立的标量光瞳重放条件下取得的。同时，预测器给出的估计值与独立重放之间的最大绝对预测—重放差异约为 0.000824。这两个数字分别对应设计效果的提升幅度与预测一致性的偏差水平，前者说明四次更新带来的变化，后者说明预测结果与独立复算之间的接近程度。
复用边界与适用范围
该框架强调计算可以从可复用的状态继续推进，而不是每次从头开始。状态延续内核所声明的复用边界，以及学习演化与数值量各自的显式角色，构成了这一复用能力的基础。正向配置负责演化预测状态并读出物理响应，逆向设计配置在此基础上增加目标导向的修改并消费评估器反馈。论文给出的证据集中在电磁世界模型的正向映射与计算光刻的逆向设计两类场景，其中读出与复用诊断只报告了选定的部分。对读者而言，这意味着该框架把状态复用与验证环节显式纳入流程，并用交并比与预测—重放差异这类指标来刻画设计更新与预测一致性的表现。
为什么值得看
为物理建模与逆向设计提供具备状态复用与验证机制的架构无关框架，并在光刻任务中显著提升IoU指标。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。