MétaCan
Menu
Retour à la cohorte
Enregistrement W4400033941 · doi:10.1109/ectc51529.2024.00098

Reliable Chiplet Integration on High Density Laminate (2.XD) for AI Hardware

2024· article· en· W4400033941 sur OpenAlexaff
Divya Taneja, Jonathan H. Grenier, Horiyuki Mori, Sathya Raghvan, Brian Quinlan, Isabel Sousa, Thomas Wassick, Griselda Bonilla

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueInterconnection Networks and Systems
Établissements canadiensIBM (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer hardwareEmbedded systemComputer architecture

Résumé

récupéré en direct d'OpenAlex

In this study, High Density Laminate with a bonded organic interposer (2.XD Laminate) is described and evaluated. The 2.XD laminate has <3 μm/3 μm L/S in the region of organic interposer. The test vehicle of three chip module is used to evaluate these laminates. Three chips include a High Bandwidth Memory (HBM2) test chip, a logic chip with dual pitch gC4s and an accelerator chip. The challenges associated with mix pitch and warpage due to organic interposer are explained.These High-Density Laminates are then tested with JEDEC standard reliability tests: High Temperature Storage (HTS), Temperature Humidity Bias (THB), Deep Thermal Cycling (DTC) and Accelerated Thermal Cycling (ATC) and extended thermal cycling up to 2000 cycles in DTC and 6000 cycles in ATC. The results are presented and discussed. A physical analysis is done on the parts after extended cycling which shows no sign of degradation. From design point of view stack vias configurations are also tested in reliability. The results obtained are then explained through Finite Element Model (FEM).

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,251
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInterconnection Networks and SystemsTravaux en français237 207