CN119272011B 一种ai驱动的键合金丝工艺参数优化方法及系统 （深圳中宝新材科技有限公司）

一种AI驱动的键合金丝工艺参数优化方法本发明公开了一种AI驱动的键合金丝工艺参数优化方法及系统，涉及半导体封装技术领双通道深度学习网络包括动态参数优化通道和数据和预设的键合工艺静态数据输入动态参数明通过双通道深度学习网络架构整合动静态数2建立键合工艺的双通道深度学习网络；所述双通道深度学习网络包将实时采集的键合工艺动态数据和预设的键合工艺静态数据输入所述动态参数优化通过自适应权重融合算法将所述动态工艺评价指标和所述静态工艺评价指标进行融所述LSTM隐藏层对所述键合工艺动态数据和键合工艺静态所述全连接层将LSTM隐藏层输出转化为初所述评价校正层包括变形率校正单元和质量指标校正单元，依次对所述静态参数优化通道包括材料参数处理单元和环境参数所述环境参数处理单元结合工艺环境参数对材料基准指标进行修正，得;;;3S为剪切强度；;;;m;;;4当键合质量指标超出产品规格允许范围时，基于剪切强度S与标准剪切强度SW的5.一种采用如权利要求1~4任一所述的AI驱动的键合金丝工艺参数优化方法的系统，动态评估模块，用于将实时采集的键合工艺动态数据和静态评估模块，用于将预设的键合工艺静态数据输入所述静态参数优综合优化模块，用于通过自适应权重融合算法将所述动态工艺评6.一种计算机设备，包括存储器和处理器，所述存储器存处理器执行时实现权利要求1至4中任一项所述的AI驱动的键合金丝工艺参数优化方法的5[0007]作为本发明所述的AI驱动的键合金丝工艺参数优化6[0008]作为本发明所述的AI驱动的键合金丝工艺参数优化[0009]作为本发明所述的AI驱动的键合金丝工艺参数优化[0012]p(L,M)=exp(-(L/M)3)；pa为中间评价值；D1为第一S为剪切强度。；[0020]Q,=(D1D2)/(Hmjm[0022]作为本发明所述的AI驱动的键合金丝工艺参数优化[0023]作为本发明所述的AI驱动的键合金丝工艺参数优化7[0030]作为本发明所述的AI驱动的键合金丝工艺参数优化梯度调整co；[0038]当键合质量指标Q,超出产品规格允许范围时，基于剪切强度S与标准剪切强度器执行所述计算机程序时实现如上所述AI驱动的键合金丝工艺参数行时实现如上所述AI驱动的键合金丝工艺参数优化方[0042]本发明的有益效果：本发明通过构建基于LSTM深度神经8[0044]图1为本发明提出的一种AI驱动的键合金丝工艺参数优化方法的整体流程示意[0045]图2为本发明提出的一种AI驱动的键合金丝工艺参数优化方法中的计算机设备9[0061]p(L,M)=exp(-(L/M)3)；[0063]2.变形率校正单元计算中间评价值pa：pa为中间动态参数；D1为第S为剪切强度。；[0070]Q,=(D1D2)/(Hmjm变形差异修正项1+a,(Di-D3)2，建立起键合材料与结构参数之间的数学关[0082]通过环境参数处理单元的计算机制，本发明对材料基准得到最终的静态工艺评价指标。该指标通过引入温度变化率的形式，不仅考虑了环境参数的瞬时变化影响，还将工[0083]S4：通过自适应权重融合算法将动态工艺评价指标和静态工艺评价指标进行融梯度调整co；[0091]当键合质量指标Q,超出产品规格允许范围时，基于剪切强度S与标准剪切强度[0094]当金丝弧高H偏离目标值且设备工作时长L超过预设时长时，综合考虑剪切强度S65nm工艺节点分别使用直径为20μm、25μm和30μm的金丝进行键合。实验平台采用ASM产品类型工况类型键合强度(gf)变形均匀性(%)剪切强度(gf)稳定性评分正常工况传统经验法6.285.32.845.695.20.82正常工况单一AI模型6.588.62.348.296.80.86正常工况本发明6.892.452.398.580.93高温工况传统经验法5.882.13.242.30.76高温工况单一AI模型6.285.82.645.793.50.82高温工况本发明6.690.249.896.70.9040nm产品高湿工况传统经验法6.083.53.043.590.80.7840nm产品高湿工况单一AI模型6.386.92.446.892.90.8440nm产品高湿工况本发明6.750.696.290.91振动工况传统经验法5.73.441.889.50.75振动工况单一AI模型6.185.22.744.90.81振动工况本发明6.589.748