데이터 효율적이고 설명 가능한 공정-구조-특성(PSP) 예측을 위한 그래프 구조 초차원 컴퓨팅
요약
본 논문은 다광자 광환원을 통한 복잡한 미세구조 제작 과정에서 발생하는 데이터 희소성 및 이질성 문제를 해결하기 위해 PSP-HDC라는 그래프 구조 초차원 컴퓨팅 프레임워크를 제안합니다. 이 프레임워크는 방향성 PSP(Process-Structure-Property) 그래프를 표현하고, 이를 추론 및 설명의 내부 사전으로 활용하여 공정-구조-특성 예측의 신뢰성과 일반화 성능을 크게 향상시킵니다.
핵심 포인트
- 다광자 광환원 기반 미세구조 제작은 데이터가 희소하고 이질적이며 상호작용에 의해 지배되어 PSP 예측이 어렵습니다.
- 기존의 특징 벡터 모델은 통계적으로 과소결정(underdetermined) 문제와 불안정한 설명에 취약합니다.
- 제안된 PSP-HDC는 방향성 PSP 그래프를 활용하여 공정, 구조, 특성을 통합적으로 표현하고 추론하는 초차원 컴퓨팅 프레임워크입니다.
- PSP-HDC는 강력한 기준 모델들을 능가하는 전반적인 프로세스 폴드 일반화 성능을 보여줍니다.
다광자 광환원(Multiphoton photoreduction)은 복잡한 3D 미세구조의 고충실도 제작을 가능하게 하지만, 사용 가능한 데이터가 희소하고 이질적이며 상호작용에 의해 지배되기 때문에 신뢰할 수 있는 공정-구조-특성(PSP) 예측은 여전히 어렵습니다. 이러한 영역에서는 기존의 특징 벡터 모델이 통계적으로 과소결정(underdetermined)되어 있어, 허위 상관관계(spurious correlations), 낮은 영역 전이(poor regime transfer), 불안정한 사후 설명(unstable post hoc explanations)에 취약하며, 반면 기계론적 파이프라인은 초기 공정 개발 단계에서 거의 이용할 수 없는 보정된 하위 모델에 의존합니다. 우리는 PSP-HDC를 제시합니다. 이는 방향성 PSP 그래프를 표현, 추론 및 설명의 내부 사전(internal prior)으로 인코딩하는 그래프 구조 초차원 컴퓨팅 프레임워크입니다. 훈련 가능한 sc
r process-fold generalization, outperforming strong baselines.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기