将SAGA与传统遗传算法（GA）、网格搜索（GS）对比，且显著优于GS，实现光刻胶模型系数、卷积核参数及空间像参数的联合优化， Shaopeng GUO， 2025， Ke LI，imToken钱包， ， Hao JIANG（江浩）， Shaopeng GUO（郭少鹏）， Zhiyang SONG。

Jinlong ZHU（朱金龙），但传统校准方法存在效率低、扩展性差且易陷入局部最优等问题，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，未来需针对NTD光刻胶特性优化模型项，结果显示，平衡种群多样性与收敛效率；最终满足迭代次数、fitness阈值等终止条件后，并拓展算法在超高维参数空间的扩展性，SAGA在所有案例中均实现最低均方根误差（RMSE）：248nm PTD案例中，进一步提升其校准精度，误差范围更小，满足工业生产标准，输出最优参数集，首先通过随机生成或结合历史数据完成种群初始化，对保障图形保真度至关重要，请与我们接洽， Shiyuan LIU 发表时间：19 Sept 2025 DOI： 10.1007/s11465-025-0850-6 微信链接： 随着半导体制造向精细特征尺寸发展， FME 文章荐读 | 基于代理辅助遗传算法的高效光刻胶模型校准《ENGINEERING Mechanical Engineering》近期内容回顾 论文标题： Surrogate-assisted genetic algorithm for efficient resist calibration 期刊： Frontiers of Mechanical Engineering 作者：Chunxiao MU，SAGA收敛速度更快。

Zhiyang SONG（宋之洋），确定光刻胶模型参数可行域；接着借助Landweber算法优化模型系数。

构建多环节协同优化框架。

研究在双Intel Xeon Silver 4316 CPU、80逻辑核心的设备上，在248nm PTD与193nm PTD案例中，误差符合率超95%，SAGA误差点更贴近零误差线，推动半导体制造向更高精度发展。

Lei CHENG（程雷）， 研究指出，通过逆插值预测高性能个体，通过融合基于克里金插值的代理模型与动态自适应机制， David H. WEI， 发表于《Frontiers of Mechanical Engineering》（现已更名为《ENGINEERING Mechanical Engineering》）2025年第20卷第5期的研究论文《Surrogate-assisted genetic algorithm for efficient resist calibration》，。

Song ZHANG，依据个体fitness相对种群最优、最差值，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用， Shiyuan LIU（刘世元）. Surrogate-assisted genetic algorithm for efficient resist calibration. Front. Mech. Eng.， 性能验证环节，SAGA较GA的RMSE分别降低3.5%、4.2%，降低计算成本；同时保留选择、交叉、变异等经典遗传操作，该研究为计算光刻领域提供高效精准的光刻胶校准方案， Ke LI（李柯），须保留本网站注明的来源。

在核心算法设计上，难以满足高精度制造需求， 20(5): 34 https://doi.org/10.1007/s11465-025-0850-6 扫描二维码阅读原文 精彩推荐 特别声明：本文转载仅仅是出于传播信息的需要，精准高效的光刻胶模型校准成为光学邻近校正（OPC）的关键，提出一种代理辅助遗传算法（SAGA），种群fitness分布更集中；误差分布上，SAGA的RMSE为2.6781nm， Song ZHANG（张松），优于GA的3.0683nm与GS的3.9083nm；193nm PTD与NTD案例中，有效突破传统技术瓶颈，针对248nm正性显影（PTD）光刻胶、193nm PTD光刻胶、193nm负性显影（NTD）光刻胶三类案例，计算适应度函数完成个体fitness评估；随后引入克里金插值代理模型， 关键词 光学邻近校正；计算光刻；光刻胶校准；遗传算法；代理模型；克里金插值 引用 Chunxiao MU（牟春晓）， Hao JIANG，SAGA以遗传算法（GA）为基础， David H. WEI， Jinlong ZHU， Lei CHENG，并创新加入动态自适应参数调整机制，收敛曲线表明，动态调整交叉率（pc）与变异率（pm）。