本期封面报道单位 北京工业大学电子封装技术与可靠性研究所
封面文章 基于SVR数据驱动模型的SiC功率器件关键互连结构热疲劳寿命预测研究
中文引用格式：于鹏举, 代岩伟, 秦飞. 基于SVR数据驱动模型的SiC功率器件关键互连结构热疲劳寿命预测研究[J]. 电子与封装, 2024, 24(12): 120201 .
以SiC和GaN为代表的第三代宽禁带半导体具有高功率密度、高开关频率、高工作电压、低开关损耗、宽能带隙和更好的抗辐射性能等优势，发展第三代功率器件及其封装技术已经成为新能源汽车、光伏电子和电力电子等节能减排重点行业实现我国“双碳目标”下减碳任务的重要突破口。以烧结纳米银为代表的新型互连材料因其具有较高的熔点温度、优异的电导率、良好的热传导特性和相对较好的互连可靠性成为极端高温环境下第三代功率器件的首选互连材料。以烧结银互连封装技术为基础的第三代功率器件具有广泛的市场潜力。然而，由于烧结银焊料层与功率器件中的其他材料的热膨胀系数存在显著差异，加之极端环境下功率器件的服役温度要求达到200~300 ℃甚至更高，导致功率器件的结温通常处于较高的温度范围且会随着功率变化产生循环波动，呈现出明显的交变温度疲劳特征，因此高温互连可靠性一直是影响第三代功率半导体器件互连可靠性的关键技术问题之一。
相较于成本高昂的实验测试方法，有限元仿真技术是较为可靠且代价较低的功率互连可靠性分析方法，但由于封装结构的多尺度特征，且封装模块数量和结构复杂度随着制程节点的需求而愈发提高，因此基于传统有限元计算分析的互连可靠性评价和预测方法也面临新的挑战。随着人工智能技术与各学科领域的深度融合，基于机器学习的互连结构可靠性预测方法和模型在集成电路封装可靠性等领域展现出相对较好的优势、效率和相对较高的预测精度，得到了广泛关注。
北京工业大学代岩伟教授课题组撰写的《基于SVR数据驱动模型的SiC功率器件关键互连结构热疲劳寿命预测研究》提出了基于数据驱动的SVR模型互连结构寿命预测方法，并对影响SiC功率器件关键互连结构可靠性的参数进行了深入分析。同时对影响SiC功率器件关键互连纳米烧结银的主要因素及其相关性进行了筛选，能够清晰得到不同因素对纳米烧结银热疲劳力学性能的影响。研究结果可为SiC互连可靠性的优化设计提供一定的帮助，后续还可以通过引入更多参数、模型以及数据，来进一步提高预测能力。在AI for Science的背景下，通过融入机器学习方法来解决集成电路封装中的可靠性问题成为电子封装技术领域的重要前沿研究方向之一。本文通过探讨SiC模块互连可靠性与机器学习相融合，为电子封装技术与可靠性领域的相关研究提供一份参考，以期抛砖引玉，为未来电子封装技术与可靠性中引入AI技术带来更多深入思考。
