多層周期結(jié)構(gòu)光柵衍射模擬算法的GPU加速研究.pdf

1、半導(dǎo)體芯片的集成度越來越高，微細(xì)加工早已進(jìn)入納米級(jí)，其結(jié)構(gòu)上如果存在微小的瑕疵也會(huì)引起性能的極大改變。用光學(xué)的方法測量器件的關(guān)鍵尺寸應(yīng)用廣泛，而分析這些結(jié)構(gòu)的模擬算法通常都是計(jì)算量巨大，計(jì)算過程相當(dāng)耗時(shí)的。GPU從單純的圖形處理發(fā)展到應(yīng)用于通用計(jì)算領(lǐng)域，其巨大的并行計(jì)算能力在許多領(lǐng)域取得了良好的效果。本文的研究目的是利用GPU的并行計(jì)算能力加速模擬算法的計(jì)算過程。
　　這些算法多數(shù)都是從麥克斯韋方程組出發(fā)，采用不同的方法最終推導(dǎo)出

2、結(jié)論。在算法推導(dǎo)過程中，大量的方程以方程組的形式存在，因此導(dǎo)致在模擬計(jì)算過程中，涉及到大量的矩陣運(yùn)算，如矩陣乘法、LU分解、求逆和求特征值等，計(jì)算量大，計(jì)算過程費(fèi)時(shí)。為縮短計(jì)算時(shí)間，加速計(jì)算過程，本文從軟硬件兩方面入手。硬件方面利用GPU的并行計(jì)算能力做并行計(jì)算，軟件方面采用CUDA技術(shù)實(shí)現(xiàn)在GPU上的并行計(jì)算。
　　本文首先從麥克斯韋方程組出發(fā)，介紹了RCWA算法和SAM算法兩種算法。然后介紹了GPU應(yīng)用于通用計(jì)算的發(fā)展情況，對(duì)

3、CUDA模型和加速原理做了介紹。接著對(duì)幾種常見的矩陣運(yùn)算也做了簡要介紹，并且完成了幾種矩陣運(yùn)算的CUDA C代碼，測試了各函數(shù)計(jì)算不同規(guī)模矩陣的效率，將 GPU的計(jì)算時(shí)間與 CPU的計(jì)算時(shí)間做了對(duì)比，分析了GPU在本文中做加速計(jì)算的優(yōu)勢和不足。最后，根據(jù)算法的特點(diǎn)，選取了較優(yōu)的方案，將自有的函數(shù)和其他一些矩陣運(yùn)算庫編譯成一個(gè)新的庫，完成了GPU和CPU兩種接口的代碼，應(yīng)用于RCWA算法和SAM算法中，并分別測試了GPU對(duì)兩種算法在一維情