先端パッケージングにおける検査の課題
半導体業界が継続的な小型化と構造の複雑化に向かう中、従来の故障解析手法は大きな技術的障壁に直面しています。特に、バックエンドオブライン（BEOL）の先端パッケージングエンジニアリングで集中的に使用されるフリップチップにおいて、極低誘電率（Extreme Low K）絶縁層内の微小な亀裂を発見することは非常に困難です。
AIを活用した技術的ソリューション
Materials Center Leoben、PVA TePla、Advanced Semiconductor Engineering（ASE）の専門家を含む研究チームは、音響顕微鏡（SAM）画像の品質を向上させるための新しいAIベースのワークフローを提案する技術論文を発表しました。このイノベーションは、「ホワイトバンプ」として知られる問題、すなわち従来の手段では検出が困難なインターコネクトの欠陥に対処することを目的としています。
実用上の変更点
新技術は、AIをサポートする画像処理アルゴリズムに依存して、音響顕微鏡出力のコントラストと鮮明度を向上させます。この改善は単に画像を鮮明にするだけでなく、以下のことに貢献します。
- 検出精度の向上：従来の画像では不可視または曖昧とみなされていた亀裂や構造的欠陥をエンジニアが特定できるようになります。
- パッケージングの信頼性の向上：不良チップが生産ラインから流出する可能性を減らし、先端パッケージングプロセスの効率を高めます。
- 小型化のサポート：現代のチップのナノ寸法が課す物理的な課題に対応できる検査ツールを提供します。
このステップは、品質管理プロセスに機械学習ツールを統合するための業界の継続的な努力の一環です。このアプローチにより、複雑な画像の解釈における人間への依存が減り、高速製造環境における誤差の許容範囲が縮小します。