용어

Finite Element Analysis

최신 보도, 해설 및 관련 기술 스토리를 확인하세요.

최신 보도

CN
왜 첨단 칩 패키징을 위한 신뢰할 수 있는 디지털 트윈을 구축하기 어려운가?

왜 첨단 칩 패키징을 위한 신뢰할 수 있는 디지털 트윈을 구축하기 어려운가?

디지털 트윈은 패키지의 이론적 설계를 모방하는 것만으로는 충분하지 않다. 실제 생산 라인에서 제조되는 것과 계속 동기화되어야 하며, 칩과 소재, 공급업체, 테스트 데이터를 연결해야 한다. 이 글은 맥락 부족, 물리적 영향의 상호작용, 지속적인 보정의 필요성이 첨단 칩 패키지를 위한 디지털 트윈 구축의 주요 장애물이라고 설명한다.

CN
머신러닝 모델을 훈련하는 데 필요한 실험 횟수는 시뮬레이션 엔지니어가 어떻게 결정하는가?

머신러닝 모델을 훈련하는 데 필요한 실험 횟수는 시뮬레이션 엔지니어가 어떻게 결정하는가?

Semiconductor Engineering의 기술 자료는 네 가지 충돌 연구를 바탕으로, 훈련 데이터의 규모와 모델의 정확도가 설계 변수의 수나 모델 크기보다 물리적 응답의 매끄러움과 더 밀접하게 연관된다고 설명한다. 또한 비용이 많이 드는 시뮬레이션 실험을 줄이기 위해 학습 곡선, 오차 한계 및 변수 중요도를 사용할 것을 제안한다.

CN
인터포저 설계, 2.5D 패키지에서 열팽창과 일렉트로마이그레이션에 직면

인터포저 설계, 2.5D 패키지에서 열팽창과 일렉트로마이그레이션에 직면

AI 워크로드에 필요한 연결 밀도가 높아지면서 2.5D 패키지는 3D보다 복잡성이 낮은 선택지로 부상하고 있지만, 여전히 열 변형, 박리, 일렉트로마이그레이션에 노출되어 있다. 최근 연구들은 구리 구조와 딥러닝 모델을 조사해 고장 지점을 예측하고 시뮬레이션 비용을 줄이는 방안을 모색하고 있다.