Verbund: 05M2020 - Simulationsbasiertes Maschinelles Lernen für Design und optische Charakterisierung von Nanostrukturen (siMLopt); Vorhaben: Entwicklung effizienter Methoden zu Wahl und Training von Surrogatmodellen anhand von Simulationsdaten

Abstract

Das Zuse-Institut Berlin hat im Rahmen des Verbundprojektes "Simulationsbasiertes Maschinelles Lernen für Design und optische Charakterisierung von Nanostrukturen (siMLopt)" den effizienten Aufbau von Surrogatmodellen und deren Einsatz für die optische Metrologie von Nanostrukturen untersucht. Das Projekt verfolgte zwei Hauptziele: den effizienten Aufbau von Surrogatmodellen und die Parameteridentifizierung mittels Optimierungsverfahren auf Basis dieser Modelle. Für den effizienten Aufbau der Surrogatmodelle wurde ein algorithmischer Rahmen entwickelt, der eine adaptive Berechnung von Trainingsdaten ermöglichte. Dies führte zu einer erheblichen Reduktion des Rechenaufwands im Vergleich zu herkömmlichen Ansätzen. Zudem wurde der Aufbau der Surrogatmodelle um Gradienteninformationen erweitert, was zu einem weiteren Effizienzgewinn führte. Die geplante Übertragung auf Neuronale Netze wurde aufgrund fehlender lokaler Fehlerschätzer nicht weiterverfolgt. Stattdessen wurden Möglichkeiten zur Optimierung von Keramikzusammensetzungen erforscht. Die entwickelten Surrogatmodelle wurden erfolgreich eingesetzt, um geometrische Parameter von Nanostrukturen mittels Messdaten zu identifizieren. Dabei konnte durch den Einsatz des entwickelten Verfahrens stabilere und schnellere Rekonstruktionsresultate erzielt werden. Zusätzlich wurden Verfahren entwickelt, um Unsicherheiten in den Ergebnissen effizient zu bestimmen, die durch verschiedene Quellen von stochastischen Effekten entstehen. Die Ergebnisse des Projekts führten zur Entwicklung einer Demonstrator-Software, die die Methoden für verschiedene Anwendungsszenarien zugänglich macht. Dies ermöglicht eine deutliche Reduktion des Aufwands für die Parameteridentifizierung in der Praxis und eröffnet neue Möglichkeiten für die Anwendung auf komplexe Probleme. Die enge Zusammenarbeit mit verschiedenen Forschungseinrichtungen wie dem Fraunhofer IISB, der FAU und dem Fraunhofer ISC trug wesentlich zum Erfolg des Projekts bei und führte zu mehreren begutachteten Veröffentlichungen sowie Promotionsvorhaben. Datei-Upload durch TIB