첨단 패키징에서의 검사 과제
반도체 산업이 지속적인 소형화와 복잡한 구조로 발전함에 따라, 전통적인 결절 분석 방법들은 큰 기술적 장벽에 직면하고 있다. 특히 최종 제조 단계(BEOL)의 첨단 패키징 공정에서 광범위하게 사용되는 플립칩(Flip-Chip) 내부의 저유전율(Extreme Low K) 절연막에 생긴 미세 균열을 감지하는 것은 매우 어렵다.
인공지능 기반의 기술적 해결책
Materials Center Leoben, PVA TePla, Advanced Semiconductor Engineering (ASE)의 전문가들로 구성된 연구팀은 음향 현미경(SAM)의 이미지 품질을 향상시키기 위한 새로운 인공지능 기반 워크플로우를 제안하는 기술 논문을 발표했다. 이 혁신은 전통적인 방법으로는 감지하기 어려운 상호 연결 결함인 소위 '화이트 범프(White Bumps)' 문제를 해결하는 것을 목표로 한다.
실무적으로 무엇이 바뀌는가?
이 신기술은 인공지능 기반의 이미지 처리 알고리즘을 활용하여 음향 현미경 결과물의 대비와 선명도를 강화한다. 이러한 개선은 단순히 이미지를 선명하게 하는 것뿐만 아니라 다음에 기여한다.
- 탐지 정확도 향상: 엔지니어들이 기존 이미지에서는 보이지 않거나 모호했던 균열과 구조적 결함을 식별할 수 있게 함.
- 패키징 신뢰성 개선: 생산 라인에서 결함이 있는 칩이 유출될 가능성을 줄여 첨단 패키징 공정의 효율성을 높임.
- 소형화 지원: 현대 칩의 나노미터 치수가 부과하는 물리적 과제에 대응할 수 있는 검사 도구를 제공함.
이 조치는 품질 관리 공정에 머신러닝 도구를 통합하려는 산업계의 지속적인 노력의 일환이며, 이 접근법은 복잡한 이미지 해석에서 인간의 판단에 대한 의존도를 낮추어 고속 제조 환경에서의 오차 범위를 줄여준다.