Defect Z-Depth Determination in 2.5D ICs Using Magnetic Field Imaging
Notice bibliographique
Résumé
Defect localization and accurate depth determination in advanced heterogeneous integration (HI) packaging integrated circuits (ICs), particularly$2.5 \mathrm{D} / 3 \mathrm{D}$ICs, is critical for failure analysis and reliability assessment. Beyond lateral XY defect localization, vertical Z-depth estimation is essential for identifying the failure layer in stacked configurations, which is a challenge that conventional non-destructive testing (NDT) methods cannot effectively address. Due to restricted penetration depth and inadequate spatial resolution caused by the complex, multilayered material composition of HI packaging, conventional NDT techniques face intrinsic limitations in localizing defects along the z-axis. Magnetic field imaging (MFI) has emerged as a promising alternative, providing non-invasive and highresolution sensing of current-induced magnetic fields while being insensitive to variations in complex material structure in HI packaging. However, despite its advantages, MFI inherently produces intricate magnetic field data that require algorithms for depth extraction, an area that remains underexplored in both research and practical applications. In this paper, we propose an MFI-based variational method (VM) that employs fast Fourier transform (FFT)-based magnetic inverse optimization, grounded in the Biot-Savart law, to enable Z-depth determination of shortcircuit defects in 2.5D ICs. The effectiveness of the proposed VM approach is demonstrated on two representative defective 2.5D graphics processing units (GPUs): a signal-to-ground short at the C4 bump and a power-to-ground short at the μbump. These defect types are among the most commonly encountered failure modes in advanced 2.5D ICs. Validation against X-ray scans shows defect depth estimation errors of$\mathbf{5}-25 \mu ~\mathrm{m}$and 5$\mu \mathrm{m}$, respectively, thereby advancing the fault isolation capability for complex 2.5D/3D ICs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».