文献

J-GLOBAL ID：201802224441113874   整理番号：18A0822662

TSVベース3D ICにおける欠陥の検出と分類における機械学習アプローチ【JST・京大機械翻訳】

Machine-Learning Approach in Detection and Classification for Defects in TSV-Based 3-D IC

著者 (4件)： Huang Yu-Jung (Department of Electronic Engineering, I-Shou University, Kaohsiung, Taiwan) ,  Pan Chung-Long (Department of Electrical Engineering, I-Shou University, Kaohsiung, Taiwan) ,  Lin Shin-Chun (Department of Electronic Engineering, I-Shou University, Kaohsiung, Taiwan) ,  Guo Mei-Hui (Department of Applied Mathematics, National Sun Yat-sen University, Kaohsiung, Taiwan)
資料名： IEEE Transactions on Components, Packaging, and Manufacturing Technology  (IEEE Transactions on Components, Packaging, and Manufacturing Technology)
巻： 8  号： 4  ページ： 699-706  発行年： 2018年 
JST資料番号： W0590B  ISSN： 2156-3950  CODEN： ITCPC8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： スルーシリコンビア(TSV)は,基板を通して電気的接続を提供する導電性銅爪であり,アクティブ金型の上部と底部の間の高速相互接続を提供するために広く使用されることが期待される。しかし,ピンホールやボイドのようないくつかのTSV構造欠陥は,それらがTSV論理関数よりもTSV性能パラメータに一般的に影響するので捉えることが困難である。故障を電気的に検出するためには,事前に欠陥の電気的特性を研究し解析する必要がある。製造欠陥に対するTSV相互接続の試験は大きな課題をもたらし,新しい設計-試験技術が必要である。ここでは,TSVベースの3-D ICにおけるボイド,短い,および開いた欠陥を検出するために,機械学習(ML)を用いた新しい非破壊欠陥検出法を提案した。教師つきMLアプローチを用いて,欠陥TSVと正常TSVを含む訓練Sパラメータデータセットから分類モデルを構築した。ランダムフォレスト分類器の性能を,TSVベースの3DスタックICにおける種々の量のボイド,短い,および開いた欠陥に対してテストし,満足な結果を得た。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 故障検出 ,  高速度 ,  ピンホール ,  電気的性質 ,  *三次元 ,  *機械学習 ,  導電性 ,  論理関数 ,  相互接続 ,  銅
準シソーラス用語： ランダムフォレスト ,  分類モデル ,  Sパラメータ ,  構造欠陥 ,  シリコン貫通ビア , 【Automatic Indexing@JST】

分類 (2件)： 固体デバイス製造技術一般  (NC03030V) ,  接続部品  (NA05050Z)

タイトルに関連する用語 (6件)： TSV ,  3D ,  IC ,  欠陥 ,  分類 ,  機械学習