학술논문
심층신경망 및 베이지안 최적화 기반 패키지 휨 최적화 시간 단축
이용수 2
- 영문명
- Time Reduction for Package Warpage Optimization based on Deep Neural Network and Bayesian Optimization
- 발행기관
- 한국마이크로전자및패키징학회
- 저자명
- 이중언(Jungeon Lee) 권대일(Daeil Kwon)
- 간행물 정보
- 『마이크로전자 및 패키징학회지』제31권 제3호, 50~57쪽, 전체 8쪽
- 주제분류
- 공학 > 산업공학
- 파일형태
- 발행일자
- 2024.09.30
4,000원
구매일시로부터 72시간 이내에 다운로드 가능합니다.
이 학술논문 정보는 (주)교보문고와 각 발행기관 사이에 저작물 이용 계약이 체결된 것으로, 교보문고를 통해 제공되고 있습니다.

국문 초록
최근 대리 모델에 머신 러닝 기술을 접목하여 복잡한 설계에 대한 최적화를 빠르게 달성하는 방법론이 활발히연구되고 있다. 훈련된 머신 러닝 대리 모델은 복잡한 유한요소해석 시뮬레이션 대비 컴퓨팅 자원을 적게 소모하면서 동일한 해석 결과를 출력할 수 있다. 또한 훈련된 모델에 최적화를 결합하면 반복 시뮬레이션 대비 더 빠르게 최적의 설계변수를 도출할 수 있다. 본 연구에서는 패키지 휨을 최소화하는 설계 변수 조합을 효과적으로 탐색하기 위하여 심층신경망과 베이지안 최적화를 적용하였다. 심층신경망 모델은 유한요소해석 시뮬레이션으로 획득한 설계 변수-휨 데이터셋을바탕으로 훈련하였고, 해당 모델에 베이지안 최적화를 적용하여 휨을 최소화하는 최적의 설계 변수를 탐색하였다. 구축한 심층신경망 및 베이지안 최적화 모델은 실제 시뮬레이션 결과와 99% 이상 일치하는 동시에, 최적 설계 변수 탐색에소요되는 시간은 15초에 불과하여, 1회의 시뮬레이션과 비교해도 57% 이상 최적화 시간을 단축할 수 있다.
영문 초록
Recently, applying a machine learning to surrogate modeling for rapid optimization of complex designs have been widely researched. Once trained, the machine learning surrogate model can predict similar outputs to Finite Element Analysis (FEA) simulations but require significantly less computing resources. In addition, combined with optimization methodologies, it can identify optimal design variable with less time requirement compared to iterative simulation. This study proposes a Deep Neural Network (DNN) model with Bayesian Optimization (BO) approach for efficiently searching the optimal design variables to minimize the warpage of electronic package. The DNN model was trained by using design variable-warpage dataset from FEA simulation, and the Bayesian optimization was applied to find the optimal design variables which minimizing the warpage. The suggested DNN + BO model shows over 99% consistency compared to actual simulation results, while only require 15 second to identify optimal design variable, which reducing the optimization time by more than 57% compared to FEA simulation.
목차
1.서 론
2. 머신 러닝 대리 모델 및 최적화
3. FEA 시뮬레이션 모델링 및 데이터셋 획득
4. 결과 및 분석
5. 결 론
사사의 말
References
해당간행물 수록 논문
- Flexible DDI Package의 Bonding 기술 발전
- 고주파 EMI 차폐 필름을 위한 트라이모달 실버 페이스트의 개발과 유연성, 내구성 및 차폐 특성에 대한 평가
- 심층신경망 및 베이지안 최적화 기반 패키지 휨 최적화 시간 단축
- 패키지 연삭 시 휠 입도에 따른 노출된 가공물의 표면 양상과 접합 특성 연구
- 리드프레임 구조 변형 및 스너버 회로를 통한 자동차용 SiC 파워모듈의 기생인덕턴스 감소와 스위칭 손실 분석
- 저온 Cu 하이브리드 본딩을 위한 폴리머 본딩
- 극압 임프린트 리소그래피를 통한 자성고무 복합재 표면 미세 패터닝 기술
- 몰드 경화 공정 중 패키지 휨 예측을 위한 비용 절감형 머신러닝 방법
- 배선 및 본딩 접합 구조에서 정렬 오차에 따른 전기 신호 전달 효율 변화에 대한 분석
- 산화 갈륨을 활용한 광검출 소자의 동작 특성 분석 연구
- 위치제어가 없는 복수개의 마이크로솔더볼의 형상검사
- Phase Retardation 필름 기반 스마트윈도우의 태양열차단 성능 평가 시험 연구
- Glass Flake 및 (3-Aminopropyl)triethoxysilane 첨가에 따른 폴리이미드 필름의 산소투과도 감소 연구
- 고분자 절연체를 이용한 칩투칩 본딩
- Driving Forces of Silver Nano-porous Sheet Die Bonding at 145 °C and 175 °C in the Air
참고문헌
교보eBook 첫 방문을 환영 합니다!
신규가입 혜택 지급이 완료 되었습니다.
바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!
