CN115062501B 一种基于自适应子问题选择策略的芯片封装设计优化方法 （南方科技大学）

一种基于自适应子问题选择策略的芯片封本发明公开了一种基于自适应子问题选择对初始参数进行有限元分析得到若干待优化目据集，通过筛选得到若干候选单目标优化子问封装设计的最优参数和与所述最优参数对应的2获取芯片封装设计的若干初始参数，并基于预设的有限元仿根据若干所述待优化目标和若干所述初始参数，构建多目标优化根据所述初始数据集和若干所述候选单目标优化子问题，构基于预设的聚类算法，根据更新的数据集，得到芯片封装设计的根据所述代理模型得到代理模型的预测后验信息，根据所述预将所述推荐参数扩充至若干所述初始参数，得到若干更新的初始参数预设的有限元仿真软件对若干所述初始参数进行有限元分析得到若干待优化目标的预测所述基于预设的聚类算法，根据更新的数据集，得到芯片封装设计的将最小距离对应的待优化目标作为最优参数对2.根据权利要求1所述的基于自适应子问题选择策略的芯片封装设计优化方法，其特根据若干所述初始参数和经过约束处理的若干所述归一化目标获取3.根据权利要求1所述的基于自适应子问题选择策略的芯片封装设计优化方法，其特4.根据权利要求1所述的基于自适应子问题选择策略的芯片封装设计优化方法，其特针对每个待优化目标，计算所述待优化目标对应的向量与每个单目3将配对失败的单目标优化子问题删除，并将与各个待优化针对第一子问题集中的每个子问题，提取所述初始数据集中的第5.根据权利要求4所述的基于自适应子问题选择策略的芯片封装设计优化方法，其特从配对失败的单目标优化子问题中随机选择若干个单目标优化子问6.一种基于自适应子问题选择策略的芯片封装设初始数据集确定模块，用于获取芯片封装设计的初始参始参数和若干所述待优化目标的预测结果作为初单目标优化子问题筛选模块，用于根据若干所述待优化目更新的数据集获取模块，用于根据所述初始数据集和若干所述候选单目标优化子问根据所述代理模型得到代理模型的预测后验信息，根据所述预将所述推荐参数扩充至若干所述初始参数，得到若干更新的初始参数预设的有限元仿真软件对若干所述初始参数进行有限元分析得到若干待优化目标的预测4所述基于预设的聚类算法，根据更新的数据集，得到芯片封装设计的将最小距离对应的待优化目标作为最优参数对个或者一个以上程序包含用于执行如权利要求1-5中任意一8.一种非临时性计算机可读存储介质，其特征在于5封装参数优化以减小冷却过程中热应力的分布以及芯片翘曲。传统的依赖经验的计算-实动力学模拟进行评估候选解决方案的性能。但不足之处是有限元模拟需要很长的运行时6[0014]根据若干所述初始参数和经过约束处理的若干所述归一化目标获取多目标优化[0020]针对第一子问题集中的每个子问题，提取所述初始数据选择的若干个单目标优化子问题扩充至所述第一子问题预设的有限元仿真软件对若干所述初始参数进行有限元分析得到若干待优化目标的预测7设计的最优参数和与所述最优参数对应的最上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述的基于自适设的有限元仿真软件对若干所述初始参数进行有限元分析得到若干待优化目标的预测结8[0042]图1为本发明实施例提供的基于自适应子问题选择策略的芯片封装设计优化方法[0043]图2为本发明实施例提供的一种实施方式的待优化的芯片封装有限元模型的截面[0044]图3为本发明实施例提供的一个实施方式的待优化的芯片封装有限元模型坐标系[0046]图5为本发明实施例提供的有限元分析模型中第二个目标冯米塞斯应力的仿真示[0047]图6为本发明实施例提供的基于自适应子问题选择策略的芯片封装设计优化装置9算法对更新的数据集进行处理得到芯片封装设计的最优参数和最优参数对应的最优目标，[0056]细间距球栅阵列(FinePitchBallGridArray,简写为fpBGA)是一种阵列模制、各种材料的热力学性能指标相差较大,器件在成型温度下降到室温的冷却过程中内部产生干所述待优化目标的预测结果作为初始数据175℃,终止温度为25℃。设置有限元软件分析输出结果:设置软件进行仿真运算后需要输方向上的形变与基板底面直角顶端在Z轴方向上的形变的差的绝对值。芯片的冯米塞斯应力定义为在从175℃冷却至25℃的过程中整个器件内部各点冯米塞斯应力的最大值。优化参数的定义域(即取值范围)记为a。为了避免不同量纲对不同参数a。并基于预设的有限元仿真软件对若干所述初始参数进行有限元分析得到若干待优化目方法在设计空间内随机生成一组设计变量，采样方式可用拉丁超立方采样或是随机采样，并将数据发送给有限元分析软件进行分析得到若干待优化目标的预测结果(也即不同优化始参数和经过约束处理的若干所述归一化目[0073]x=(x,…,xa)",xeQCRd中的第一非支配解集，基于所述距离D，对所述第一非支配解集中的非支配解进行降序排I中所述解决程度值SDi小于第一预设阈值(如1)的子问题归类至第二子问题集GII的个数小于第二预设阈值T时，将所述第三子问题集中解决程度值最小的子问题归类至第gg以及nT×1向量分别表示训练数据的初始参数及目yyn是对角线为和方差函数是使用真实的数据(设计参数和有限元真实结果)建立的代理模型得到的信息，进行设计参数推荐；加大均值函数在采集函数里的权重可以认为是利用已知信息(相信当阵kn=K⃞=kn(X",X)中第T项表示为Σ*是一个T[0109]利用CoMOGP模型进行预测，需要推断协方差矩阵中的超参数θ和均值函数中的附的预测精度，本发明在采用CoMOGP模型之后采用了一个二次模型作为T输出的公共均值函常用的采集函数ALCB定义为：[0114]u(x)=i(x)-YG(x),[0116]然后根据所述预测后验信息，通过预设的采集函数(在本实施例中，采集函数为g=[0119]通过CoMOGP模型得到的预测分布信息来最小化ALCB采集函数，我们得到T个采样[0120]在本实施例中，将推荐的5组推荐参数与原始参数一起存储在一个本地csv文件评估次数FE是否小于所设定的最大评估次数(如120次)。若已评估次数FE小于所设定的最近的参数以及对应的待优化目标的预测结果作为最终的推荐设计。如图4为本发明实施例[0136]6.本发明使用聚类算法为用户从众多的优化结果中推荐最有代表性并保持了多[0139]如图6中所示，本发明实施例提供一种基于自适应子问题选择策略的芯片封装设所述初始参数和若干所述待优化目标的预测结果作为初始数[0141]单目标优化子问题筛选模块502，用于根据若干所述待优化目标和若干所述初始[0142]更新的数据集获取模块503，用于根据所述初始数据集和若干所述候选单目标优[0143]最优参数和最优目标确定模块504，用于基于预设的聚类算法，根据更新的数据器执行所述一个或者一个以上程序包含用于进行以包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM型SDRAM(ES