딥러닝을 활용한 구조함수 기반 반도체 패키지 열특성 해석 모델 개발
본문
- Conference
- (사)한국마이크로전자 및 패키징학회 2025년 정기학술대회
- Date
- 2025-04-03
- Presentation Type
- 구두
Abstract
최근 고성능 반도체 칩에 대한 수요 증대에 따라, 이종 접합 기반의 고집적·고밀도 반도체 패키지 설계에서는 우수한 방열 성능과 복잡한 패키지 구성이 동시에 요구되고 있다. 고신뢰성 패키지 설계를 위해 내부 열특성 분석은 필수적이며, 비파괴적 평가 기법인 구조함수는 열저항 및 열용량 정보를 간단하게 반영하여 유용하게 활용되고 있다. 다만, 구조함수는 층간 경계 구분의 모호성과 물질 고유의 열물성치 추출의 한계로 인해 정량적 분석보다는 상대적 비교에 머루르는 단점을 보인다.
본 연구에서는 이러한 한계를 극복하고자, COMSOL 시뮬레이션을 통해 획득한 열전달 데이터를 온도 변화 및 구조함수로 전환하여, 물질 두께, 열전도도 등 다양한 파라미터를 추론할 수 있는 딥러닝 기반 해석 모델을 제안한다. 구조함수 값이 파라미터 변화에 따른 미세한 차이를 보이고, 수학적으로 정교한 연산 결과물이라는 특성으로 인해 고정밀 인공지능 추론이 어려운 문제점을 해결하기 위하여, 관련 도메인 지식을 사전 학습하는 전략을 도입한 후, 이를 통합한 최종 모델을 설계하였다. 실험 결과, 제안한 모델은 기존 구조함수 활용 방법의 한계를 효과적으로 보완하며 높은 추론 정확도를 달성함을 확인하였고, 반도체 패키지 열특성 분석을 위한 유망한 접근법임을 제시한다.
본 연구에서는 이러한 한계를 극복하고자, COMSOL 시뮬레이션을 통해 획득한 열전달 데이터를 온도 변화 및 구조함수로 전환하여, 물질 두께, 열전도도 등 다양한 파라미터를 추론할 수 있는 딥러닝 기반 해석 모델을 제안한다. 구조함수 값이 파라미터 변화에 따른 미세한 차이를 보이고, 수학적으로 정교한 연산 결과물이라는 특성으로 인해 고정밀 인공지능 추론이 어려운 문제점을 해결하기 위하여, 관련 도메인 지식을 사전 학습하는 전략을 도입한 후, 이를 통합한 최종 모델을 설계하였다. 실험 결과, 제안한 모델은 기존 구조함수 활용 방법의 한계를 효과적으로 보완하며 높은 추론 정확도를 달성함을 확인하였고, 반도체 패키지 열특성 분석을 위한 유망한 접근법임을 제시한다.