MétaCan
Menu
Retour à la cohorte
Enregistrement W4414310101 · doi:10.1109/icept67137.2025.11157529

Electrolytic Cu plating and anti-tarnish influence on Cu Layer oxidation

2025· article· en· W4414310101 sur OpenAlexaff
Tina Li, Jinde Zhang, Fan Ye

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCopper Interconnects and Reliability
Établissements canadiensNexen (Canada)
Organismes subventionnairesnon disponible
Mots-clésCopperPlating (geology)Lead frameLayer (electronics)X-ray photoelectron spectroscopyScanning electron microscopeElectrolyteCopper plating

Résumé

récupéré en direct d'OpenAlex

In Semiconductor package assembly process, Cu lead frame (LF) must be exposed to high temperatures in die bond, wire bond heat plates before encapsulated, and easy to be oxidized [1], [2], [3], N2 and H2 forming gas is applied to prevent LF surface from oxidation. But we still encountered serious "Cu accumulation" on die bond heat block. Cu accumulation was caused by LF Cu surface oxidation. In this paper Cu oxidation prevention factors were studied together with lead frame suppliers, key factors such as electrolytic copper plating parameters, anti-tarnish types were investigated and optimized.Cu oxidations were thoroughly studied in two aspects. One is anti-tarnish layer protection effect, different anti-tarnish types were compared by actual Cu accumulation performance and follow with dipping process optimization, which was characterized by Cu surface contact angle, X-ray Photoelectron Spectroscopy (XPS).2nd factor is electrolytic Cu layer structure influence on Cu Oxidation, Scanning Electron Microscopy (SEM), Focused Ion Beam (FIB) was used for surface morphology and Cu layer internal structure investigation. Result indicates different Cu layer structure have different oxidation performance. Further in-depth study indicates that different plating chemical solution setup influence Cu layer grain structure, which is the root cause.With this study, key Cu layer oxidation influence factors were identified and optimized, Cu accumulation issue solved.

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,269
Écart entre enseignants0,259 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCopper Interconnects and ReliabilityTravaux en français237 207