تحديات الفحص في التغليف المتقدم
مع استمرار توجه صناعة أشباه الموصلات نحو التصغير المتزايد وزيادة تعقيد البنى الهيكلية، تواجه طرق تحليل الفشل التقليدية عقبات تقنية كبيرة. وتبرز بشكل خاص صعوبة اكتشاف الشقوق الدقيقة في طبقات العزل ذات ثابت العزل المنخفض (Extreme Low K) في رقائق "فليب شيب" (Flip-Chip)، وهي المكونات التي تُستخدم بكثافة في هندسة التغليف المتقدمة في مراحل التصنيع النهائية (BEOL).
حل تقني يعتمد على الذكاء الاصطناعي
نشر فريق بحثي يضم خبراء من Materials Center Leoben، وشركة PVA TePla، وشركة Advanced Semiconductor Engineering (ASE)، ورقة بحثية تقنية تقترح سير عمل جديد يعتمد على الذكاء الاصطناعي لتحسين جودة صور الفحص المجهري الصوتي (SAM). يهدف هذا الابتكار إلى معالجة مشكلة ما يُعرف بـ "النتوءات البيضاء" (White Bumps)، وهي عيوب في التوصيلات البينية يصعب رصدها بالوسائل التقليدية.
ما الذي يتغير عملياً؟
تعتمد التقنية الجديدة على خوارزميات معالجة الصور المدعومة بالذكاء الاصطناعي لتعزيز التباين والوضوح في مخرجات الفحص المجهري الصوتي. هذا التحسين لا يقتصر على مجرد توضيح الصورة، بل يساهم في:
- زيادة دقة الكشف: تمكين المهندسين من تحديد الشقوق والعيوب الهيكلية التي كانت تُعتبر غير مرئية أو غامضة في الصور التقليدية.
- تحسين موثوقية التغليف: تقليل احتمالية خروج رقائق معيبة من خطوط الإنتاج، مما يرفع من كفاءة عمليات التغليف المتقدمة.
- دعم التصغير: توفير أداة فحص قادرة على مواكبة التحديات الفيزيائية التي تفرضها الأبعاد النانوية في الرقائق الحديثة.
تعد هذه الخطوة جزءاً من جهود الصناعة المستمرة لدمج أدوات التعلم الآلي في عمليات مراقبة الجودة، حيث يتيح هذا النهج تقليل الاعتماد على التقدير البشري في تفسير الصور المعقدة، مما يقلل من هامش الخطأ في بيئات التصنيع عالية السرعة.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.