由蔚山科学技术院（UNIST）半导体材料与组件研究生院Jung Chang-wook教授领导的研究团队于26日宣布，成功开发出一种基于人工智能的新型数据校准算法，能够预测半导体制造或封装过程中热的扩散路径和应力集中点。

　　该研究成果已被视为人工智能领域三大国际会议之一的国际表示学习大会（ICLR）2026录用。热被誉为半导体的敌人，如果在制造过程中集中在特定区域或难以控制，可能导致性能下降、裂纹甚至断裂。

　　研究团队开发了一种“π不变测试时校准”算法，能将新输入数据重新对齐到先前学习数据的标准，并将其应用于半导体制造。该算法将“分布外输入”转换为学习范围内的熟悉形式，同时遵循物理定律。

　　当收到新输入数据时，算法首先基于π值从先前学习的数据集中找出物理上最相似的数据，然后将条件调整为与该数据类似，再将校准后的数据输入AI模型进行计算。

　　值得注意的是，该算法可直接附加到现有AI模型上，无需额外重新训练，因此成本效益高。团队还通过将相似数据分组并仅比较代表性值，而非逐一比较所有学习数据，降低了计算负担。

　　研究团队将算法应用于热传导和线性弹性问题。测试结果显示，即使在现有模型难以应对的新条件下，也能实现稳定预测。平均绝对误差降低了高达约91%。

　　团队代表表示：“该算法将用于减少各种工程模拟中的计算时间和成本，这些模拟中尺寸和条件不断变化，例如半导体芯片的热设计、封装可靠性评估、电池热管理和结构安全分析。”

　　本文由极观网原创发布，未经许可，不得转载！

　　本文链接：http://huioj.com/all/26023.html