[2Yin-B] Poster 4

[2Yin-B-25] Thermal Fatigue Life Prediction of Solder Joints via Domain-Adaptive Deep Learning

〇Jingjing Bai¹, Shunya Nitta², Daichi Fujiki⁴, Yoshinobu Kawahara¹, Hiroshi Nishikawa³, Fuyuhiko Tanaka⁵ (1. Graduate School of Information Science and Technology, The University of Osaka, 2. Graduate School of Engineering, The University of Osaka, 3. Joining and Welding Research Institute, The University of Osaka, 4. Graduate School of Engineering Science, The University of Osaka, 5. Center for Education in Liberal arts and Science, The University of Osaka)

Keywords:

Transfer Learning,Thermal Reliability,Electronic Device

近年，電子機器の高性能化に伴い発熱量が増大し, はんだ接合部に生じる熱ひずみが半導体の信頼性設計における重要課題となっている. 従来, 信頼性評価には温度サイクル試験が用いられてきたが, 試験には多大な時間とコストを要すだけでなく, パッケージ形状やはんだ合金の違いによって寿命分布が変動する為, 限られた試験データのみを用いたデータ駆動モデルでは汎化が困難である. 本研究では, これらの課題に対し, はんだ接合部の寿命予測に向けたドメイン適応深層学習枠組みを提案する. まず拡張 Norris–Landzberg モデルにより多様なパッケージ形状及び合金条件下でデータを生成し, ソースドメインデータを構築する. 更に, 寿命区間に基づく局所 MMD と敵対的学習を組み合わせたドメイン適応モデルにより, 生成データと実験データ間の分布差を抑制し, 汎化的な特徴表現の学習を可能にする. 実データによる評価から, 本手法は統計モデル及び従来の深層学習手法に比べて高い予測精度と頑健性を示し, アブレーション及び可視化からその有効性と物理的一貫性が確認された. 本研究は, 電子デバイスの高寿命化に向けた最適設計に寄与することが期待される.