多层周期结构光栅衍射模拟算法的GPU加速研究

• 作 者: 童静
• 机 构: 电子科技大学
• 出 处: 电子科技大学
• 发表日期: 2013年01期
• 关键词: GPU 加速 CUDA RCWA SAM

半导体芯片的集成度越来越高，微细加工早已进入纳米级，其结构上如果存在微小的瑕疵也会引起性能的极大改变。用光学的方法测量器件的关键尺寸应用广泛，而分析这些结构的模拟算法通常都是计算量巨大，计算过程相当耗时的。GPU从单纯的图形处理发展到应用于通用计算领域，其巨大的并行计算能力在许多领域取得了良好的效果。本文的研究目的是利用GPU的并行计算能力加速模拟算法的计算过程。这些算法多数都是从麦克斯韦方程组出发，采用不同的方法最终推导出结论。在算法推导过程中，大量的方程以方程组的形式存在，因此导致在模拟计算过程中，涉及到大量的矩阵运算，如矩阵乘法、LU分解、求逆和求特征值等，计算量大，计算过程费时。为缩短计算时间，加速计算过程，本文从软硬件两方面入手。硬件方面利用GPU的并行计算能力做并行计算，软件方面采用CUDA技术实现在GPU上的并行计算。本文首先从麦克斯韦方程组出发，介绍了RCWA算法和SAM算法两种算法。然后介绍了GPU应用于通用计算的发展情况，对CUDA模型和加速原理做了介绍。接着对几种常见的矩阵运算也做了简要介绍，并且完成了几种矩阵运算的CUDAC代码，测试了各函数计算不同规模矩阵的效率，将GPU的计算时间与CPU的计算时间做了对比，分析了GPU在本文中做加速计算的优势和不足。最后，根据算法的特点，选取了较优的方案，将自有的函数和其他一些矩阵运算库编译成一个新的库，完成了GPU和CPU两种接口的代码，应用于RCWA算法和SAM算法中，并分别测试了GPU对两种算法在一维情况下和二维情况下的加速效果。结果显示，与CPU相比，GPU对RCWA算法的二维情况有一定的加速效果，对SAM算法的二维有良好的加速效果。最后，优化了SAM方法，提升了加速效果。