光谱椭偏仪是一种利用偏振光学原理来测量薄膜样件的精密光学仪器,通过对光谱椭偏测量数据的分析,可以获得有用的薄膜光学特性和膜厚。传统光谱椭偏数据分析过程中,操作人员根据自身光学经验知识手动选择介电函数模型,专业知识要求高且分析结果因人而异。本论文围绕光谱椭偏数据分析中介电函数模型构建这一问题,结合人工智能、机器学习中的相关方法,提出开展光谱椭偏数据分析中介电函数模型的智能选取研究,论文的主要研究内容和创新点如下:(1)系统研究了椭偏数据分析的基本流程和原理,阐述了椭偏数据分析流程中的光学特性建模(包括多层膜系反射/透射特性模型和介电函数模型)和基于非线性回归的参数提取方法。(2)针对传统椭偏数据分析中介电函数模型选择特别依赖经验和先验知识,操作复杂,分析结果因人而异等问题,提出了基于支持向量机的介电函数模型自动识别方法,降低了建模时人为因素的影响,保证了分析效果的一致性。(3)提出了基于信息理论准则的椭偏数据分析模型评判方法,综合考虑椭偏数据分析中模型的拟合效果以及复杂度,实现了椭偏数据分析模型更为合理地评判与选择。(4)开发了椭偏数据分析中介电函数模型智能选取系统,具体包括色散振子的智能分类、介电函数模型集的生成和模型选择等模块。针对开发的系统,开展了实验验证,结果表明:介电函数模型的智能选取系统能够得到一个拟合精度高且模型结构相对简单的模型。