研究人员将基于卷积神经网络(CNN)的AI深度学习与3D x射线层析成像相结合，用于焊料互连的无损分析。
国立阳明交通大学，国家高性能计算中心(台湾)，东海大学，MA-Tek公司和加州大学洛杉矶分校的新研究。
摘要
“三维集成电路(3D IC)技术近年来受到广泛关注，原因是摩尔最小化定律在二维集成电路中的应用已接近终结，但三维集成电路的可靠性受到制造过程中互连的空洞和故障的影响很大，通常需要较慢的测试，依赖于人的判断。因此，对3D集成电路日益增长的需求引起了人们对可靠性分析和故障预测重要性的极大关注。本研究将三维x射线层析成像与基于卷积神经网络(CNN)的AI深度学习相结合，对焊料互连进行无损分析。通过使用收集的可靠图像数据库训练AI机器，AI可以快速检测和预测焊点的互连操作故障，基于无损3D x射线层析成像图像的精度高达89.9%。此外，还揭示了决定回流微凸点“好”或“坏”条件的重要特征，如中间截面的面积损失率。
找到开放获取这里是技术文件．发布于2022年4月25日。
许,PN。，施，KC.，陈，KP.。et al。人工智能深度学习用于三维IC可靠性预测。科学报告12,6711(2022)。https://doi.org/10.1038/s41598-022-08179-z
参观半导体工程技术论文库并发现更多芯片行业的学术论文。
留下回复