基板温度を数秒で予測するため、STREAMの解析結果を学習データとして、U-Netを用いたサロゲートモデルを開発した。精度、大規模化、汎化性の三つの課題に取り組み、学習範囲と畳み込みサイズの最適化によって予測誤差10％以内を達成した。また、軽量モデルを多段化したリカーシブネットにより、大規模モデル（1000万要素）の予測を実現。さらに、重ね合わせの原理を応用し、汎化性向上の可能性を示した。今後は設計現場でのリアルタイム評価に活用し、課題の早期解決を目指す。