基于深度聚类和边界解码器网络的异构集成 IC 芯片内外层应力预测
机器学习
2026-02-26 v1 计算工程、金融与科学
摘要
在极端温度下对 3D 异构 IC 包进行热循环时会发生高应力。应力主要发生在不同材料之间的界面处。我们使用基于深度生成模型（DGM）的潜在空间表示来探讨应力图像。然而，大多数 DGM 方法都是无监督的，这意味着它们依赖于图像配对（输入和输出）进行训练。相反，我们依赖最近的边界解码器（BD）网络，该网络使用边界条件和图像配对进行应力建模。边界网络将材料参数映射到其图像对应项共享的潜在空间。由于该设置在维度上是不严格的，我们进一步将 BD 网络与深度聚类耦合。为评估我们方法的性能，我们模拟了一个包含 1825 条应力图像的 IC 芯片数据集。我们将新方法与 BD 网络变体以及基线方法进行比较。我们显示，我们的方法能够在训练和测试误差降低方面超越所有比较方法。
引用
@article{arxiv.2602.21601,
title = {Deep Clustering based Boundary-Decoder Net for Inter and Intra Layer Stress Prediction of Heterogeneous Integrated IC Chip},
author = {Kart Leong Lim and Ji Lin},
journal= {arXiv preprint arXiv:2602.21601},
year = {2026}
}