机构名称：
¥ 1.0
摘要：Al-Sn-Al晶圆键合是一种新型的半导体制造技术，在器件制造中发挥着重要作用，键合工艺的优化和键合强度的测试一直是关键问题，但仅通过物理实验来研究上述问题存在实验重复性强、成本高、效率低等困难。深度学习算法可以通过训练大量数据快速模拟复杂的物理关联，很好地解决了晶圆键合研究的困难。因此，本文提出利用深度学习模型（2层CNN和50层ResNet）实现不同键合条件下键合强度的自主识别，对比测试集结果表明ResNet模型的准确率为99.17％，优于CNN模型的91.67％。然后利用Canny边缘检测器对识别出的图像进行分析，结果显示晶圆的断裂面形貌为孔状结构，且晶圆表面孔移动面积越小，键合强度越高。此外，还验证了键合时间和键合温度对键合强度的影响，结果表明相对较短的键合时间和较低的键合温度可获得更好的晶圆键合强度。本研究展示了利用深度学习加速晶圆键合强度识别和工艺条件优化的潜力。
基于深度学习模型的Al-Sn-Al结合强度研究
主要关键词
相关文件推荐
