A cellular automata neural network method for process modeling of film-substrate interactions utilizes a cellular automaton system having variable rules for each cell. The variable rules describe a state change algorithm for atoms or other objects near a substrate. The state change algorithm is used to create a training set of solutions for training a neural network. The cellular automaton system is run to model the film-substrate interactions with the neural network providing the state change solutions in place of the more computationally complex state change algorithm to achieve real-time or near real-time simulations.

Een cellulaire methode van het automaten neurale netwerk voor proces modellering van film-substraat interactie gebruikt een cellulair automaatsysteem dat veranderlijke regels voor elke cel heeft. De veranderlijke regels beschrijven een algoritme van de staatsverandering voor atomen of andere voorwerpen dichtbij een substraat. Het algoritme van de staatsverandering wordt gebruikt om tot een opleidingsreeks oplossingen te leiden voor de opleiding van een neuraal netwerk. Het cellulaire automaatsysteem wordt in werking gesteld om de film-substraat interactie met het neurale netwerk te modelleren dat de oplossingen van de staatsverandering in plaats van het meer met behulp van computer complexe algoritme van de staatsverandering verstrekt om real time te bereiken of simulaties in real time te naderen.