一种用于批量回归分析的向量化计算方法及系统技术方案

本发明专利技术涉及一种用于批量回归分析的向量化计算方法和系统，计算方法包括：输入任务的初始点集，构建初始矩阵M<subgt;0</subgt;、残差矩阵R<subgt;v</subgt;和标记向量F；构建向量化的雅可比矩阵J<subgt;v</subgt;；优化矩阵乘法，得到向量化乘法矩阵JJ<subgt;v</subgt;和JR<subgt;v</subgt;；优化求解逆矩阵，得到批量搜索步长矩阵dx<subgt;s</subgt;；根据所述批量搜索步长矩阵dx<subgt;s</subgt;，更新初始矩阵M<subgt;0</subgt;，满足设定的跳出迭代循环条件时，跳出迭代循环，输出最终结果矩阵Mf；以及根据所述最终结果矩阵Mf，挑选最优结果，作为最终计算结果。本发明专利技术提供的向量化计算方法，使用不同技巧优化矩阵乘法和求逆，在不借助并行工具的前提下，单次回归计算即可同步批量完成多任务回归分析，有较好的加速效果，对于实际应用场景有很大意义。

【技术实现步骤摘要】

本专利技术涉及半导体量测，特别涉及一种用于批量回归分析的向量化计算方法及系统。

技术介绍

1、光学关键尺寸（optical critical dimension，ocd）量测技术和薄膜厚度（thinfilm）量测技术均广泛应用于半导体芯片制造量测领域，对半导体产品的质量监测、工艺优化、成本控制、良品率提升等具有重要意义。量测技术的数学原理是通过一系列的复杂算法，即正问题与反问题的结合，在不破坏待测样本的前提下，获取半导体芯片的实际物理形貌以及关键尺寸。

2、回归分析是通用的反问题求解方法。常见的回归算法有最速下降法（或梯度下降法）、高斯牛顿法（gauss-newton或gn）、列文伯格-马夸尔特法（levenberg-marquardt或lm），拟牛顿法如bfgs等。其中，lm法可视为最速下降法和gn法的结合：当距离最优解较远时，lm法偏向于最速下降法，能够快速确定下降方向；当逐渐接近最优解时，lm法偏向于gn法，能够快速收敛至最优解。lm法因其高性能和强鲁棒性而被业界广泛使用。

3、在一些实际应用场景中，存在批量回归计算的需求。例本文档来自技高网...

【技术保护点】

1.一种用于批量回归分析的向量化计算方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的用于批量回归分析的向量化计算方法，其特征在于，输入任务的初始点集，构建初始矩阵M0、残差矩阵Rv和标记向量F包括：

3.根据权利要求1所述的用于批量回归分析的向量化计算方法，其特征在于，构建向量化的雅可比矩阵Jv包括：

4.根据权利要求1所述的用于批量回归分析的向量化计算方法，其特征在于，优化矩阵乘法，得到向量化乘法矩阵JJv和JRv包括：

5.根据权利要求1所述的用于批量回归分析的向量化计算方法，其特征在于，优化求解逆矩阵，得到批量搜索步长矩阵d...

【技术特征摘要】

1.一种用于批量回归分析的向量化计算方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的用于批量回归分析的向量化计算方法，其特征在于，输入任务的初始点集，构建初始矩阵m0、残差矩阵rv和标记向量f包括：

3.根据权利要求1所述的用于批量回归分析的向量化计算方法，其特征在于，构建向量化的雅可比矩阵jv包括：

4.根据权利要求1所述的用于批量回归分析的向量化计算方法，其特征在于，优化矩阵乘法，得到向量化乘法矩阵jjv和jrv包括：

5.根据权利要求1所述的用于批量回归分析的向量化计算方法，其特征在于，优化求解逆矩阵，得到批量搜索步长矩阵dxs包括...

【专利技术属性】
技术研发人员：陈思元，赵礼，叶俊杰，
申请(专利权)人：上海诺睿科半导体设备有限公司，
类型：发明
国别省市：