跟着封装越来越复杂，实验室性能与工场本色坐褥之间的差距越来越大。

东谈主们精深合计先进材料在实验室中的发达与在坐褥中的发达交流，但这种假定当今正面对严峻挑战。

时常情况下，实验室检测扫尾会成为产物规格，进而成为震动基准。而震动基准又会成为评判现场性能的表率。在行业发展的大部分历史时间，这套引申体系都至极有用。那时材料种类较少，叠层结构较为轻易，层间相互作用也饱和可瞻望，因此规格表中的数据大略合理地反应本色坐褥情况。

但跟着异构集成从工程上的新奇想法发展成为高性能计划的主流架构，单个封装中的材料数目急剧加多。它们之间的相互作用愈加复杂，影响也更大，何况这些封装的运行环境比当初想象用于考据其性能的测试条件更为严苛。

“当今的情况和往时不通常了，以前只须有了单个芯片，了解了它的工艺历程，就不错成功干预坐褥，” Amkor芯片和FCBGA集成副总裁Mike Kelly说谈。“当今大多数封装在机械结构上都至极复杂，电气方面更是如斯。要开辟出一个完善可靠的科罚有筹画，需要多数的现场测试和开辟责任。这少量的蹙迫性若何强调都不为过。”

一种材料在孤苦环境或受控实验室条件下的发达，越来越难以准确瞻望其在与其他不同材料共存、资格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，先进东谈主工智能硬件所需的封装在机械和电气方面都比前几代产物愈加复杂，也曾使想象决策变得轻易的坐褥教育如今已不再适用。简而言之，实验室与工场之间的差距并非簇新事，但正在日益扩大。

复杂性问题

材料在坐褥过程中出现不良性能的最成功讲明，亦然最令东谈主难以禁受的讲明。如今构建的系统过于复杂，任何东谈主都无法事前进行全面建模，而导致问题的相互作用时常是任何一个学科都未尝预见要查抄的。

“当你把各式不同的材料、各式不同的硅片集成在一谈时，整个这些都会带来固有的变异性，”Critical Manufacturing 的技俩司理 Tiago Tavares 说。“指望咱们能在想象阶段就瞻望并遏抑整个这些变异性是不践诺的。你需要模拟几十年才能涵盖整个情况。这种方法也曾行欠亨了。”

半导体制造一直以来都波及对变异性的不绝，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权贵普及。传统的单芯片选定单一材料组合、单一工艺历程，以及一套经过数十年坐褥教育积存而具有至极可瞻望性的相互作用。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，你根柢无法先见火腿和奶酪的身分会有什么变化。是以，历程践诺和历程想象仍然至关蹙迫，但它们也曾远远不够了。你们需要持续不绝地监控坐褥过程。”

由于封装拼装形态的根人性结构诊治，监控难度进一步加多。在整样式工艺历程中，工艺工程师不错将每个技艺视为一个相对零丁的优化问题：调整蚀刻配方，测量扫尾，然后再次调整。由于一个技艺的改变对后续技艺的影响有限，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。每个工艺技艺都会秉承前一技艺的机械、热学和化学历史，每一次调整都会产生影响，而这些影响时常要到很久以后才能透露。

塔瓦雷斯补充谈：“你弗成再像分析孤岛通常分析一个过程了。其中的相互作用越来越显明，也越来越复杂。因此，你弗成只是因为改变了A技艺就贸然作念出改变，而不去探求B、C、D技艺之后会发生什么。”

模拟的不及之处

若是复杂性问题只是是运行更全面的模拟，那么原则上是不错科罚的，即使计划资本很高。模拟器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选定。在大多数情况下，这些选定是合理的。但是，先进封装中遭受的情况并非老是典型的，在轻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产物营销总监Marc Swinnen示意：“机械应力不仅会影响可靠性，还会改变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探求。任何仿真器都基于对哪些效应需要纳入考量的基本选定。由此产生的问题是，在某些情况下，一个轻微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，但在坐褥中仍然会失败，因为这两种效应之间的相互作用从未被建模。这是由于仿真器具的历史发展形态酿成的，这些器具由一些团队开辟，而这些团队在相邻限制的专科常识有限，因此只针对特定的物理限制进行优化。芯片想象师莫得禁受过电磁仿真方面的培训，封装工程师也莫得禁受过静态时序分析方面的培训。这些限制之间的界限，碰巧成了模子与践诺最容易出现偏差的地方。

“芯片、封装和电路板的想象时常是分开进行的，但它们之间却有着密切的联系，”斯温宁说谈。“这种联系时常被多数的安全裕度所消亡，这些安全裕度是为了玩忽联贯芯片、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。它们会裁汰性能并加多资本。”

即使物理模子设定正确，仿真也难以有用处理变异性问题。举例，在标称温度下性能顺应规格的想象，在受到相邻部件的热梯度影响时，其性能可能会发生改变。此外，一种材料在制造安装过程中可能承受远超本色专揽环境中的应力，即使其机械应力极限被设定为特定值。这些变量在坐褥过程中可能同期出现，即使使用先进的仿真器具，也很难对其进行全面考据。

材料数据问题

仿真挑战背后瞒哄着一个更为根柢的问题。用作仿真输入的材料属性值时常是无理的，或者至少是不完满的，而若是莫得制造商不肯共享的数据，这些问题很艰辛到更变。

常识产权问题是弥合仿真与坐褥本色情况之间差距的中枢阻截之一。仿真器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确认。关于硅和铜等特质明确的材料，这些数据库至极准确。但关于新式材料，举例新式玻璃身分、特种介电材料和出奇团聚物粘合剂，数据库条件有数，无意以致落后，偶尔还会出现无理。

Synopsys产物不绝细致东谈主郎林示意：“仿真器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器具提供或败露其材料的特定属性，这么咱们才能说仿真扫尾具有雅致的联系性。不然，就不存在联系性。”

问题在于，最精准的材料属性数据时常亦然最具交易敏锐性的。一家玻璃基板制造商破耗数年时间研发出特定的材料身分和抛光工艺，却莫得能源将该材料的精准机械和热学性能数据共享给整个这个词行业。这些数据所蕴含的竞争上风恰是其研发干预的根柢所在。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根由不予公开。

关于处于包装工艺前沿的新式材料而言，永利官网app下载这个问题更为根柢。关于熟谙材料，其材料性能随温度变化的非线性行径已得到充分意会，但关于新式材料，这种行径时常难以捉摸。

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质的玻璃来说，其温度依赖性会是什么样的呢？它可能以咱们未知的形态呈现非线性特征。”

当现场发践诺验室遗漏的问题时，这些建模劣势的后果就会在坐褥中透露，无意以致会进一步膨胀到下流，导致难以回顾根源的现场故障。故障到达现场的形态存在着一定的规定。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历程所能检测的。

“许多现场问题都源于制造过程中引入的潜在劣势，”安靠公司细致引线键合和BGA产物的副总裁Prasad Dhond示意。“混浊、工艺偏差和设立故障都是潜在劣势的开头，这些劣势在现场可能会加重。除了产物认证除外，坐褥遏抑以及工场和安装线的运营形态也至关蹙迫。”

难点在于，潜在劣势并非老是一开动就以劣势的时事透清晰来。最终会导致良率失掉的信号可能在工艺历程早期以笼统不清的时事出现：举例细微的激情变化、光学颠倒，或者看起来更像是侵犯而非失效机制的振奋。早期可见的振奋与后期会产生影响的因素之间的联系，惟一在积存了饱和的数据后才能明确。

这是复杂制造历程的一个结构性特征。劣势透露、可测量以及导致故障的时间点各不交流，时常相隔数周的处理时间和数十个中间技艺。震动测试位于该历程的末尾，仅接头器件是否及格。它并不探究故障的根源，而这才是的确派略弥合实验室模子与工场本色坐褥之间差距的枢纽所在。

“你会发现劣势，无意很难发现，分析扫尾可能只自大为变色。若是只是外不雅上的舛错，其实没什么大碍，” Microtronic的专揽总监Errol Akomer说谈。“但当这批产物进入检测阶段时，就检测不对格了。这么你才能知谈哪些劣势会酿成失掉，哪些不会，哪些不错忽略，哪些需要仔细查抄，因为如实存在问题。”

坐褥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，东谈主们的第一反适时常是更换芯片并连接坐褥，而不是将其回收进行分析。蓝本不错匡助工程师了解故障原因并构建更完善模子的数据，却跟着故障部件一谈被丢弃了。

Amkor公司的Kelly示意： “惟一当有故障发生时，齐集数据来确信故障原因才专诚想真义。 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，开动构建，然后在早期坐褥环境中不绝转变，最终达到你的确想要的场合。但仍然存在差距。”

案例计划揭示差距：在坐褥线中间金属化过程中引入钼来替代钨，这确认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柢别离息息联系。

在逻辑、DRAM 和 NAND 等器件现时追求的小尺寸特征规模内，钼比拟钨具有权贵的电阻率上风。更短的平均解放程意味着钼大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少量。此外，由于钼成功粘附在氧化层上，不会浸透到介电层，因此无需单独的不屈层和衬垫层，从而使更多可用空间大略填充功能金属，而不是高电阻率的相沿材料。在实验室中，凭据单位工艺考据的枢纽观念进行测试，钼的性能发达雅致。

但将新材料干预坐褥则是一个不同的问题。开辟单位工艺——包括千里积器具、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吴越同舟。单位工艺开辟无法在得到坐褥数据之前科罚的是，新材料在特定客户的工艺历程、周围材料和集成有筹画中的具体发达。

“当咱们进入测试阶段，客户开动尝试选定这款薄膜时，的确的挑战在于若何将薄膜集成到他们的工艺历程中，” 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、电阻率是否顺应规格、均匀性以及颗粒行径——这些都是咱们在设立开辟方面需要柔和的。但若何将薄膜集成到客户现存的工艺历程中，才是的确需要学习的地方。DRAM、NAND 和逻辑芯片的要求各不交流，这些都是咱们在进入测试阶段乃至最终量产阶段时面对的挑战。”

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坐褥中的发达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开辟环境中统统复制。每个客户的集成都有其自身的热预算、相邻材料和工艺行径限制。在单位工艺开辟中看似微不及谈的薄膜特质，一朝与下流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技艺的名义上时发达出与预期不同的行径，就可能成为紧要探求因素。Lam公司多年来在钼的单位工艺开辟上干预巨资，最终得到了特质明确的薄膜。但它无法得到预先表征的集成有筹画，因为每个集成有筹画都因客户和器件类型而异。实验室扫尾与坐褥环境的最终交织点，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。现时，多数的工程研发责任正死力于通过机器学习来构建假造宇宙和物理宇宙之间更玄虚的联系，从而探索地谈基于物理建模无法触及的想象空间，并将制造车间视为模子校准的持续源流，而非下流尽头。

可是，不受拘谨的机器学习专揽于制造数据时，它本身并不了解它所处的物理空间，这意味着它不错在其试验数据中进行激进的优化，但产生的扫尾却会在坐褥中失败，而失败的原因恰是该模子从未被试验去探求的。

“你不错用现存的数据集进行试验，但机器学习本色上并不了解它所处的空间，也不知谈如安在该空间内进行优化，”Lam Research旗下Semiverse Solutions的总司理Joseph Ervin说谈。“使用假造硅不错为机器学习空间引入拘谨和物理规定，从而教训工艺技艺和参数在哪些方面大略的确取得效果。”

该方法包括构建正在建造的设立的三维假造示意，将其与本色坐褥过程中的在线计量数据对都，并使用对都的假造模子来教训机器学习优化，同期针对多种良率失效模式进行优化。

数据问题依然难以科罚。弥合实验室与工场坐褥之间差距所需的数据至少在表面上是存在的。的确的挑战在于，齐集、解读这些数据并将其与正确的工程决策联系起来，需要一定进度的机构常识和互助意愿，而这方面现时仍在发展之中。

“东谈主们仍在了解各式影响和组合，”枢纽制造公司的塔瓦雷斯说。“这需要一段时间才能被东谈主们禁受。数据是存在的，但率先你需要知谈自身在寻找什么。数据并不等同于信息。将数据滚动为信息的才智仍然是一个挑战。”

用于弥合实验室到工场差距的器具正在不绝转变。咱们领有更完善的仿真框架、受物理拘谨的机器学习、更丰富的在线计量时候以及更先进的数字孪生模子。可是，这些新环境下需要阐扬作用的材料如实是全新的，它们之间的相互作用也仅被部分意会，而用于可靠表征其在坐褥中性能的教育基础仍在积存之中。这种差距的存在是因为材料专揽的速率跨越了咱们充分意会后来果的速率。

*声明：本文系原作家创作。著述内容系其个东谈主不雅点，自身转载仅为共享与计划，不代表自身赞叹或招供，如有异议，请联系后台。