文献

J-GLOBAL ID：201902230701178866   整理番号：19A2091490

反りシミュレーションの精度を改善するための機械学習アプローチ【JST・京大機械翻訳】

Machine Learning Approach to Improve Accuracy of Warpage Simulations

著者 (4件)： Selvanayagam Cheryl (Singapore University of Technology and Design) ,  Luu Trung Duong Pham (Singapore University of Technology and Design) ,  Mandal Rathin (Advanced Micro Devices Inc.) ,  Raghavan Nagarajan (Singapore University of Technology and Design)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ECTC  ページ： 834-841  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 電子パッケージの反り制御は,将来のより薄いパッケージングソリューションの要求を与える重要な課題になっている。有限要素モデルを用いて反りをモデル化することは,応力と反りを予測する良い方法であるが,解析結果は材料特性のような仮定モデル入力と同様に良い。これは,特に反りシミュレーションと電子基板の異方性と温度依存材料特性により正しい。基板を横切る金属線パターンと密度の変化により,基板材料特性は,複雑な反りプロファイルをもたらす超薄パッケージにおいて空間的に変化することができる。将来の超薄型パッケージの信頼性のためのより良い設計を支援するために,ここでは,有限要素シミュレーションと結合したMarkov連鎖モンテカルロ(MCMC)アプローチ(Bayes推論)を提案し,反りに最も影響を及ぼす高感度材料パラメータを同定し,ディジタル画像相関(DIC)を用いて測定した反り輪郭に基づいて局所化材料特性を学習した。提案した技術は,許容できる反り閾値内に留まることを可能にするために,局所的に調整された材料特性(例えば金属層密度を調整することによって)のより良いパッケージを設計することを可能にする。Copyright 2019 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： 温度依存性 ,  異方性 ,  *シミュレーション ,  モンテカルロ法 ,  *機械学習 ,  信頼性 ,  モデリング ,  金属線 ,  Markov連鎖
準シソーラス用語： 局在化 ,  ディジタル画像相関 ,  MCMC ,  有限要素シミュレーション ,  超薄型 ,  材料特性 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  固体デバイス材料  (NC03020K) ,  信号理論  (ND02020G)

タイトルに関連する用語 (3件)： 反り ,  シミュレーション ,  機械学習