《封装可靠性分析中的机器学习模型深度应用》

    Karsten Meier

   德国德累斯顿工业大学 高级研究员、助理主任

演讲摘要：

随着异构集成封装的广泛应用，这些封装采用更复杂的设计以满足高性能、小型化以及降低能耗的要求，开发工作面临的挑战日益严峻。这促使人们对虚拟开发工具的兴趣日益浓厚，最终催生了完全虚拟化开发与验证场景的构想。然而，目前可用的仿真工具往往需要进行充分的开发，而且至少同样重要的是，其求解时间可能长达数小时甚至数天。随着人工智能的兴起，特别是持续努力使机器学习模型得以应用，基于神经网络的模型似乎为解决计算时间过长的问题提供了一种可行方案。本研究探讨了如何在评估电子封装的热机械可靠性背景下开发和应用神经网络。具体而言，将介绍适用于不同目的的多种类型神经网络。考虑到物理驱动模型与数据驱动模型的差异，将展示后者在准备和训练阶段的具体要求，包括合适的性能指标选择。最后，将展示神经网络功能的扩展，用于预测在不同温度条件下振动载荷作用下的焊点应力。这将展示神经网络在汽车、工业、航空电子及其他恶劣环境应用相关可靠性评估中的潜在应用。具体而言，将展示可用于寿命预测的特征非线性塑性应变预测。此外，还将演示塑性应变模式的预测。这实际上将焊点寿命评估扩展至故障模式预测。

演讲人简介：

自2006年以来，Karsten Meier 一直任职于德国德累斯顿工业大学电子封装技术研究所。完成电气工程专业学习后，他于2015年获得德累斯顿工业大学博士学位。攻读博士期间，他曾前往美国乔治亚理工学院的封装研究中心进行科研交流。目前，Dr. Meier 在电子封装技术研究所担任助理所长，并领导电路板级可靠性研究团队。他的研究方向涵盖5G和汽车电子应用中的封装技术与封装可靠性、功率电子、材料表征，以及包括有限元分析（FEM）与机器学习（ML）在内的热-机械模拟技术。截至目前，他已发表或合作发表了150余篇学术论文。此外，他还与美国马里兰大学先进全生命周期工程中心合作开展研究，聚焦于焊点互连在复合机械与热载荷下的可靠性评估。Dr. Meier 是IEEE ECTC热/机械模拟与表征分委员会主席、IEEE ECTC执行委员会成员，同时也是IEEE EPTC高级封装分委员会和IEEE ESTC电子器件与系统可靠性分委员会成员。他还担任IEEE EuroSimE 会议、ASME、IEEE CPMT学会、《微电子可靠性杂志》及其他多个期刊的审稿人。