Hsieh

出版详情：Hsu, P.-N.、Shie, K.-C.、Chen, K.-P.、Tu, J.-C.、Wu, C.-C.、Tsou, N.-T.、Lo, Y.-C.、Chen, N.-Y.、Hsieh, Y.-F.、Wu, M.、Chen, C. 和 Tu, K.-N. (2022)。人工智能深度学习用于 3D IC 可靠性预测。科学报告，12，第 6711 篇文章。https://doi.org/10.1038/s41598-022-08179-z

由于 2D IC 的摩尔定律即将终结，三维集成电路 (3D IC) 技术最近备受关注。然而，3D IC 的可靠性受制造过程中互连中的空洞和故障的影响很大，通常需要缓慢测试并依赖于人的判断。因此，对 3D IC 的不断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。本研究结合基于卷积神经网络 (CNN) 的 AI 深度学习，对 3D X 射线断层扫描图像进行无损分析。通过使用可靠的收集图像数据库训练 AI 机器，AI 可以根据无损 3D X 射线断层扫描图像快速检测和预测焊点的互连操作故障，准确率高达 89.9%。还揭示了决定回流微凸块“良好”或“故障”条件的重要特征，例如中间横截面的面积损失百分比。