SHRAV 프레임워크, 계산 리소그래피 역설계에서 물리 모델링 성능 개선

1/ AI 활용 방법: State-Hypothesis-Reason-Action-Verify(SHRAV) 프레임워크
2/ 적용 과제: 물리 모델링 및 계산 리소그래피 역설계
3/ 보고된 결과: thresholded aerial-image IoU를 0.5313에서 0.8153으로 개선하고, 예측-재현 최대 절대오차를 약 0.000824로 보고
4/ 2026-09-23 공개본은 SHRAV(State-Hypothesis-Reason-Action-Verify)라는 프레임워크를 물리 모델링과 역설계에 적용했다고 보고했다.
5/ 논문은 특히 계산 리소그래피의 역설계에서 이 방법을 시연했으며, thresholded aerial-image IoU가 0.5313에서 0.8153으로 개선됐다고 제시했다.
6/ 또한 예측-재현 차이의 최대 절대오차가 약 0.000824 수준이라고 보고했다.
7/ 재료 연구 관점에서 이 결과는 물리 모델을 세우고, 가설을 만들고, 행동을 통해 후보를 수정한 뒤, 검증으로 닫는 반복형 워크플로가 역설계 문제에 유효할 수 있음을 시사한다.
8/ 특히 계산 리소그래피처럼 출력 이미지 품질과 구조 파라미터의 연결을 빠르게 평가해야 하는 문제에서 유용할 수 있다.
9/ 다만 이 결과는 해당 공개본에서 보고된 특정 문제 설정과 지표에 한정된다.
10/ 다른 재료 시스템, 다른 공정 제약, 또는 다른 평가 기준에서도 같은 수준의 향상을 기대할 수 있다고 단정할 수는 없다. [1]