论文页面 - PRISM：用于多层薄膜设计的位置编码回归逆谱模型

来源：https://huggingface.co/papers/2605.26502

摘要

PRISM 是一种仅解码器的自回归Transformer，通过联合预测材料选择和厚度，同时利用频谱前缀条件化和累积深度旋转位置嵌入，高效解决了多层薄膜光学涂层设计的逆问题。

多层薄膜光学涂层设计的逆问题（https://huggingface.co/papers?q=inverse%20problem）是一个复杂的组合-连续优化（https://huggingface.co/papers?q=combinatorial-continuous%20optimization）挑战。我们提出了PRISM（位置编码回归逆谱模型），这是一个统一的仅解码器自回归Transformer（https://huggingface.co/papers?q=decoder-only%20autoregressive%20transformer），通过在同一骨干网络中联合预测离散的材料选择（https://huggingface.co/papers?q=material%20selection）和连续的厚度回归（https://huggingface.co/papers?q=thickness%20regression），简化了这一过程。PRISM引入了两个主要架构创新：（1）频谱前缀条件化（https://huggingface.co/papers?q=spectrum%20prefix%20conditioning），利用标准前缀令牌进行上下文目标注入；以及（2）累积深度旋转位置嵌入（https://huggingface.co/papers?q=cumulative-depth%20Rotary%20Position%20Embeddings），将连续厚度直接编码到位置表示中，以保持堆栈的物理空间关系。我们的基准测试表明，一个PRISM-13M模型相比其他Transformer基线，MAE降低了50%以上，同时仅使用五分之一的参数。此外，一个44M参数的变体在分布内验证基准上达到了最先进的性能（MAE = 0.010），并且运行速度显著快于模拟退火，为经典优化方法提供了一种高效的替代方案。

查看arXiv页面（https://arxiv.org/abs/2605.26502）查看PDF（https://arxiv.org/pdf/2605.26502）项目页面（https://www.prism-playground.com/）GitHub3（https://github.com/wang-henry4/prism）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.26502）

在你的代理中获取此论文：

hf papers read 2605\.26502

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接到此论文

在模型README.md中引用arxiv.org/abs/2605.26502以从此页面链接。

引用此论文的数据集0

没有数据集链接到此论文

在数据集README.md中引用arxiv.org/abs/2605.26502以从此页面链接。

引用此论文的Spaces0

没有Space链接到此论文

在Space README.md中引用arxiv.org/abs/2605.26502以从此页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

将这篇论文添加到一个收藏集（https://huggingface.co/new-collection）以从此页面链接。