인공지능 기반 Ag 소결층 기공구조와 유효 열전도도의 상관관계 분석

• 영문명: Correlation Analysis between Porous Structure of Ag Sintered Layer and Effective Thermal Conductivity Based on Artificial Intelligence
• 발행기관: 한국마이크로전자및패키징학회
• 저자명: 윤준형(Jun-Hyeong Yoon) 김민기(Minki Kim) 박현순(Hyun-Soon Park) 김민수(Min-Su Kim)
• 간행물 정보: 『마이크로전자 및 패키징학회지』제32권 제3호, 56~65쪽, 전체 10쪽
• 주제분류: 공학 > 산업공학
• 파일형태: PDF
• 발행일자: 2025.09.30

국문 초록

전력반도체 패키징에서 접합부의 열저항은 모듈의 성능과 신뢰성을 좌우하는 핵심 요소이다. 소결에 의해 생성되는 Ag 소결층은 공정조건에 따라 수–수십 퍼센트 수준의 다공성 구조를 가지며, 기공률, 크기, 형태에 따라 유효 열전도도(effective thermal conductivity, ETC) 수치가변화한다. 본 연구에서는 Ag 소결층 주사 전자 현미경(scanning electron microscope, SEM) 이미지에 U-Net 기반 임계처리를 적용하여 Ag와기공을 분할하여 이원화 이미지화하고, 이후 픽셀 기반 2차원 유한요소해석(finite element analysis, FEA)과 섀플리(SHapley Additive exPlanations, SHAP) 머신러닝을 결합하여 Ag 소결층의 미세구조와 ETC의 상관관계를 정량적으로 분석하였다. U-Net은 기존 임계처리보다 경계 복원과 정확도가 우수했으며, 이를 활용한 FEA 예측은 실제값과 거의 일치했다. 머신러닝 회귀 모델 역시 높은 예측 성능을 보였다. SHAP 해석 결과 ETC는 기공률이 지배적 요인이었고, 기공의 평균 폭, 기공 면적 및 표준편차 역시 영향인자로 나타났다.

영문 초록

In power semiconductor packaging, the thermal resistance of the junction is a key factor in determining the performance and thermal reliability of the module. The Ag sintered layer generated by sintering has a porous structure of several to tens of percent depending on the process conditions, and the effective thermal conductivity (ETC) values change depending on the porosity, pore size, and shape. In this study, binary segmentation image for Ag and pore can be achieved by applying U-Net based thresholding method to the Ag sintered layer scanning electron microscope (SEM) image, and then pixel-based two-dimensional finite element analysis (FEA) and SHapley Additive exPlanations (SHAP) machine learning were combined to quantitatively analyze the correlation between the porous structure of Ag sintered layer and the ETC. U-Net based thresholding method showed better boundary segmentation and higher accuracy than conventional thresholding method, and the FEA prediction using it was almost consistent with the actual value. The machine learning regression model also showed high predictive performance. As a result of SHAP analysis, the porosity of Ag sinter layer was the dominant effective factor on the ETC, and the mean pore width, mean pore area, and standard deviation of pore area were also effective factors.

목차

1. 서 론

2. 실험방법

3. 결과 및 고찰

4. 결 론

감사의 글

References

키워드

Ag sintering Porous structure Effective thermal conductivity Deep learning Machine learning