MétaCan
Menu
Retour à la cohorte
Enregistrement W4285103217 · doi:10.1109/ectc51906.2022.00112

A Self-Aligned Structure based on V-groove for Accurate Silicon Bridge Placement

2022· article· en· W4285103217 sur OpenAlexaff
Dominique Drouin

Notice bibliographique

Revue2022 IEEE 72nd Electronic Components and Technology Conference (ECTC) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensIBM (Canada)Institut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésSiliconBridge (graph theory)Materials scienceSubstrate (aquarium)Groove (engineering)OptoelectronicsInterposerDiodeDie (integrated circuit)Layer (electronics)Composite materialEtching (microfabrication)NanotechnologyMetallurgy

Résumé

récupéré en direct d'OpenAlex

As a lower cost alternative to silicon interposers with through silicon vias (TSVs), silicon bridges have been developed for high-performance computing (HPC) and/or heterogeneous integration. One of the most important steps of this advanced packaging technology is the accurate placement of the silicon bridge die with the organic substrate or with the dies requiring the high-density interconnections. In this paper, we demonstrated a novel mechanism for the straightforward and accurate insertion of silicon bridges into substrates. More specifically, mechanical fiducial in the form of V-groove were etch into the back side of functional bridges comprising Cu pillars, high-density Cu traces and insulating layers on their front side. Correspondingly, 4 SAC305 solder spheres were attached onto the substrate through thermal reflow to anchor the bridge. During the silicon bridge placing process, these 4 couples of concave and convex structures would pair and align each other automatically, determining the x, y and z final position of the silicon bridge. Experimental results showed that with such self-aligned structures, the placement drift of the silicon bridge could be confined to 2.5 μm.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,225
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE 72nd Electronic Components and Technology Conference (ECTC)Même sujetModular Robots and Swarm IntelligenceTravaux en français237 207