跟着封装越来越复杂，实验室性能与工场本色分娩之间的差距越来越大。

东说念主们庞大觉得先进材料在实验室中的发扬与在分娩中的发扬相易，但这种假定咫尺正濒临严峻挑战。

常常情况下，实验室检测扫尾会成为居品规格，进而成为轻率基准。而轻率基准又会成为评判现场性能的标准。在行业发展的大部分历史时间，这套推论体系都十分灵验。那时材料种类较少，叠层结构较为简易，层间相互作用也宽裕可猜想，因此规格表中的数据粗略合理地反应本色分娩情况。

但跟着异构集成从工程上的新奇想法发展成为高性能计算的主流架构，单个封装中的材料数目急剧增多。它们之间的相互作用愈加复杂，影响也更大，况且这些封装的运行环境比当初遐想用于考证其性能的测试条件更为严苛。

“咫尺的情况和往日不相通了，以前只须有了单个芯片，了解了它的工艺经过，就不错奏凯参预分娩，” Amkor芯片和FCBGA集成副总裁Mike Kelly说说念。“咫尺大多数封装在机械结构上都十分复杂，电气方面更是如斯。要拓荒出一个完善可靠的贬责决策，需要大都的现场测试和拓荒职责。这极少的瑕疵性若何强调都不为过。”

一种材料在孤苦孤身一人环境或受控实验室条件下的发扬，越来越难以准确猜想其在与其他不同材料共存、阅历多阶段热历史以及需要在数百万小时运行中保持可靠性能时的性能。如今，先进东说念主工智能硬件所需的封装在机械和电气方面都比前几代居品愈加复杂，也曾使遐想决策变得简易的分娩教会如今已不再适用。简而言之，实验室与工场之间的差距并非清新事，但正在日益扩大。

复杂性问题

材料在分娩过程中出现不良性能的最奏凯讲明，亦然最令东说念主难以接收的讲明。如今构建的系统过于复杂，任何东说念主都无法事前进行全面建模，而导致问题的相互作用往往是任何一个学科都未始猜度要搜检的。

“当你把多样不同的材料、多样不同的硅片集成在一皆时，通盘这些都会带来固有的变异性，”Critical Manufacturing 的面目司理 Tiago Tavares 说。“指望咱们能在遐想阶段就猜想并限度通盘这些变异性是不实际的。你需要模拟几十年才能涵盖通盘情况。这种方法仍是行欠亨了。”

半导体制造一直以来都触及对变异性的管理，但如今的变化在于，单个封装内相互作用的因素数目激增，且这些相互作用的耦合进度也显赫援助。传统的单芯片取舍单一材料组合、单一工艺经过，以及一套经过数十年分娩教会积攒而具有十分可猜想性的相互作用。而当代多芯片封装，举例堆叠式存储器、异构芯片组和有机中介层，则跟着堆叠中每引入一种新材料，潜在的相互作用就会呈爆炸式增长。

“你们在夹层材料里越来越多地使用一些比较特殊的材料，”塔瓦雷斯说。“这就好比作念三明治，你根蒂无法先见火腿和奶酪的要素会有什么变化。是以，经过扩充和经过遐想仍然至关瑕疵，但它们仍是远远不够了。你们需要持续不断地监控分娩过程。”

由于封装拼装花式的根人性结构转机，监控难度进一步增多。在整花式工艺经过中，工艺工程师不错将每个标准视为一个相对零丁的优化问题：疗养蚀刻配方，测量扫尾，然后再次疗养。由于一个标准的编削对后续标准的影响有限，因此解放度是可控的。但在异构封装中，这种零丁性不复存在。每个工艺标准都会承袭前一标准的机械、热学和化学历史，每一次疗养都会产生影响，而这些影响往往要到很久以后才能涌现。

塔瓦雷斯补充说念：“你不可再像分析孤岛相通分析一个过程了。其中的相互作用越来越较着，也越来越复杂。因此，你不可只是因为编削了A标准就贸然作念出编削，而不去洽商B、C、D标准之后会发生什么。”

模拟的不及之处

要是复杂性问题只是是运行更全面的模拟，那么原则上是不错贬责的，即使计算资本很高。模拟用具的构建基于对哪些效应被视为一级、二级或可忽略效应的明确取舍。在大多数情况下，这些取舍是合理的。然而，先进封装中际遇的情况并非老是典型的，在简易封装中出现的二级效应，在更复杂的封装中可能成为主要的失效机制。

Synopsys居品营销总监Marc Swinnen示意：“机械应力不仅会影响可靠性，还会编削受力器件和导线的电气参数。但机械应力和电气应力很少被同期洽商。任何仿真器都基于对哪些效应需要纳入考量的基本取舍。由此产生的问题是，在某些情况下，一个微弱的影响本色上会被放大好多。”

因此，封装器件可能通过了电气和机械仿真，但在分娩中仍然会失败，因为这两种效应之间的相互作用从未被建模。这是由于仿真用具的历史发展花式形成的，这些用具由一些团队拓荒，而这些团队在相邻领域的专科常识有限，因此只针对特定的物理领域进行优化。芯片遐想师莫得接收过电磁仿真方面的培训，封装工程师也莫得接收过静态时序分析方面的培训。这些领域之间的界限，偶合成了模子与实际最容易出现偏差的所在。

“芯片、封装和电路板的遐想常常是分开进行的，但它们之间却有着密切的接洽，”斯温宁说说念。“这种接洽往往被大都的安全裕度所遮蔽，这些安全裕度是为了草率畅达芯片、封装和电路板可能带来的未知影响。但安全裕度并非莫得代价。它们会镌汰性能并增多资本。”

即使物理模子设定正确，仿真也难以灵验处理变异性问题。举例，在标称温度下性能妥贴规格的遐想，在受到相邻部件的热梯度影响时，其性能可能会发生编削。此外，一种材料在制造安装过程中可能承受远超本色附近环境中的应力，即使其机械应力极限被设定为特定值。这些变量在分娩过程中可能同期出现，即使使用先进的仿真用具，也很难对其进行全面考证。

材料数据问题

仿真挑战背后荫藏着一个更为根蒂的问题。用作仿真输入的材料属性值常常是造作的，或者至少是不完好的，而要是莫得制造商不肯共享的数据，这些问题很痛楚到鼎新。

常识产权问题是弥合仿真与分娩本色情况之间差距的中枢遏止之一。仿真用具从数据库中获取材料属性，这些数据库汇总了已发表的测量数据、科学文件或代工场提供的规格阐发。关于硅和铜等特点明确的材料，这些数据库十分准确。但关于新式材料，举例新式玻璃要素、特种介电材料和私有团员物粘合剂，数据库条款珍稀，巧合致使落伍，偶尔还会出现造作。

Synopsys居品管理追究东说念主郎林示意：“仿真用具会从互联网或科学测量数据中获取一些通用属性，或者使用代工场提供的数据。制造商必须向咱们的仿真用具提供或清晰其材料的特定属性，这么咱们才能说仿真扫尾具有精湛的接洽性。不然，就不存在接洽性。”

问题在于，最精准的材料属性数据往往亦然最具交易明锐性的。一家玻璃基板制造商破耗数年时间研发出特定的材料要素和抛光工艺，却莫得能源将该材料的精准机械和热学性能数据共享给通盘行业。这些数据所蕴含的竞争上风恰是其研发参预的根蒂所在。扫尾便是结构性错配。最需要精准材料数据来构建可靠模拟的工程师们，却只可使用精度最低的版块，而掌合手精准数据的机构也有充分的原理不予公开。

关于处于包装工艺前沿的新式材料而言，开运官网app这个问题更为根蒂。关于老到材料，其材料性能随温度变化的非线性行径已得到充分交融，但关于新式材料，这种行径往往难以捉摸。

林说：“你必须对材料的力学性能随温度变化的非线性行径进行建模。咱们可能很了解纯铜。但关于具有某种改性材料特点的玻璃来说，其温度依赖性会是什么样的呢？它可能以咱们未知的花式呈现非线性特征。”

当现场发实际验室遗漏的问题时，这些建模劣势的后果就会在分娩中涌现，巧合致使会进一步膨胀到下贱，导致难以追想根源的现场故障。故障到达现场的花式存在着一定的规定。主要原因很少是材料本身未能达到标称规格，而是制造过程中引入的潜在劣势，而这些劣势并非认证经过所能检测的。

“许多现场问题都源于制造过程中引入的潜在劣势，”安靠公司追究引线键合和BGA居品的副总裁Prasad Dhond示意。“欺侮、工艺偏差和树立故障都是潜在劣势的起原，这些劣势在现场可能会加重。除了居品认证以外，分娩限度以及工场和安装线的运营花式也至关瑕疵。”

难点在于，潜在劣势并非老是一运行就以劣势的局势涌现出来。最终会导致良率失掉的信号可能在工艺经过早期以朦胧不清的局势出现：举例细微的神采变化、光学很是，或者看起来更像是烦躁而非失效机制的气候。早期可见的气候与后期会产生影响的因素之间的接洽，只好在积攒了宽裕的数据后才能明确。

这是复杂制造经过的一个结构性特征。劣势涌现、可测量以及导致故障的时间点各不相易，常常相隔数周的处理时间和数十个中间标准。轻率测试位于该经过的末尾，仅商讨器件是否及格。它并不探究故障的根源，而这才是果然粗略弥合实验室模子与工场本色分娩之间差距的枢纽所在。

“你会发现劣势，巧合很难发现，分析扫尾可能只自大为变色。要是只是外不雅上的污点，其实没什么大碍，” Microtronic的附近总监Errol Akomer说说念。“但当这批居品进入检测阶段时，就检测鉴别格了。这么你才能知说念哪些劣势会形成失掉，哪些不会，哪些不错忽略，哪些需要仔细搜检，因为确乎存在问题。”

分娩中故障分析的经济性问题使这一挑战愈加严峻。当芯片在现场发生故障时，东说念主们的第一反应往往是更换芯片并不绝分娩，而不是将其回收进行分析。原来不错匡助工程师了解故障原因并构建更完善模子的数据，却跟着故障部件一皆被丢弃了。

Amkor公司的Kelly示意： “只好当有故障发生时，汇集数据来细目故障原因才额外念念。 故障越少，数据越少，模子就越不准确。这是一个悖论。在某个阶段，你会罢手建模，运行构建，然后在早期分娩环境中不断翻新，最终达到你果然想要的方向。但仍然存在差距。”

案例研究揭示差距：在分娩线中间金属化过程中引入钼来替代钨，这阐发了从实验室到制造要道的差距，而这与封装无关，却与表征材料和集成材料之间的根蒂区别息息接洽。

在逻辑、DRAM 和 NAND 等器件咫尺追求的小尺寸特征领域内，钼比较钨具有显赫的电阻率上风。更短的平均解放程意味着钼粗略在更小的尺寸下充分阐扬其导电上风，而钨则越来越难以作念到这极少。此外，由于钼奏凯粘附在氧化层上，不会渗入到介电层，因此无需单独的对抗层和衬垫层，从而使更多可用空间粗略填充功能金属，而不是高电阻率的维持材料。在实验室中，字据单位工艺考证的枢纽主张进行测试，钼的性能发扬精湛。

但将新材料参预分娩则是一个不同的问题。拓荒单位工艺——包括千里积用具、薄膜性能、均匀性和颗粒行径——需要材料工程师和工艺工程师的同心合力。单位工艺拓荒无法在获取分娩数据之前贬责的是，新材料在特定客户的工艺经过、周围材料和集成决策中的具体发扬。

“当咱们进入测试阶段，客户运行尝试取舍这款薄膜时，果然的挑战在于如何将薄膜集成到他们的工艺经过中，” Lam Research公司副总裁兼总司理 Kaihan Ashtiani 示意。“薄膜的各项要求，举例运行速率、触点填充效果、电阻率是否妥贴规格、均匀性以及颗粒行径——这些都是咱们在树立拓荒方面需要关切的。但如何将薄膜集成到客户现存的工艺经过中，才是果然需要学习的所在。DRAM、NAND 和逻辑芯片的要求各不相易，这些都是咱们在进入测试阶段乃至最终量产阶段时濒临的挑战。”

枢纽不在于钼本身存在职何根人性劣势，而在于任何新材料在分娩中的发扬都取决于其与特定工艺环境的相互作用，而这种环境无法在材料表征的拓荒环境中全都复制。每个客户的集成都有其自身的热预算、相邻材料和工艺门径限制。在单位工艺拓荒中看似微不及说念的薄膜特点，一朝与下贱特定的蚀刻化学反应发生相互作用，或者千里积在经过一系列实验室从未模拟过的预处理标准的名义上时发扬出与预期不同的行径，就可能成为紧要洽商因素。Lam公司多年来在钼的单位工艺拓荒上参预巨资，最终获取了特点明确的薄膜。但它无法获取预先表征的集成决策，因为每个集成决策都因客户和器件类型而异。实验室扫尾与分娩环境的最终交织点，恰是差距所在。

弥合差距

面对这些挑战，业界并未袖手旁不雅。咫尺，大都的工程研发职责正致力于于于通过机器学习来构建捏造天下和物理天下之间更邃密的接洽，从而探索地说念基于物理建模无法触及的遐想空间，并将制造车间视为模子校准的持续泉源，而非下贱极度。

关联词，不受料理的机器学习附近于制造数据时，它本身并不了解它所处的物理空间，这意味着它不错在其磨练数据中进行激进的优化，但产生的扫尾却会在分娩中失败，而失败的原因恰是该模子从未被磨练去洽商的。

“你不错用现存的数据集进行磨练，但机器学习本色上并不了解它所处的空间，也不知说念如安在该空间内进行优化，”Lam Research旗下Semiverse Solutions的总司理Joseph Ervin说说念。“使用捏造硅不错为机器学习空间引入料理和物理规定，从而引诱工艺标准和参数在哪些方面粗略果然取得效果。”

该方法包括构建正在建造的树立的三维捏造示意，将其与本色分娩过程中的在线计量数据对皆，并使用对皆的捏造模子来引诱机器学习优化，同期针对多种良率失效模式进行优化。

数据问题依然难以贬责。弥合实验室与工场分娩之间差距所需的数据至少在表面上是存在的。果然的挑战在于，汇集、解读这些数据并将其与正确的工程决策接洽起来，需要一定进度的机构常识和谐和意愿，而这方面咫尺仍在发展之中。

“东说念主们仍在了解多样影响和组合，”枢纽制造公司的塔瓦雷斯说。“这需要一段时间才能被东说念主们接收。数据是存在的，但最初你需要知说念本身在寻找什么。数据并不等同于信息。将数据转动为信息的才能仍然是一个挑战。”

用于弥合实验室到工场差距的用具正在不断翻新。咱们领有更完善的仿真框架、受物理料理的机器学习、更丰富的在线计量手艺以及更先进的数字孪生模子。关联词，这些新环境下需要阐扬作用的材料确乎是全新的，它们之间的相互作用也仅被部分交融，而用于可靠表征其在分娩中性能的教会基础仍在积攒之中。这种差距的存在是因为材料附近的速率跳动了咱们充分交融后来果的速率。

*声明：本文系原作家创作。著述内容系其个东说念主不雅点，本身转载仅为共享与筹商，不代表本身赞好意思或认可，如有异议，请接洽后台。