芯片翘曲度优化方法、装置、可读存储介质及电子设备与流程

1.本发明涉及存储器技术领域，尤其涉及一种芯片翘曲度优化方法、装置、可读存储介质及电子设备。


背景技术：

2.随着智能化技术的普及和半导体市场的持续增长，芯片已经被广泛应用于智能穿戴、手机、车载电子、台式电脑等电子产品中。而随着电子产品的迷你化，根据摩尔定律芯片自身的集成度越来越高，并且在芯片封装中追求更小的封装面积比，即在单位面积内能够放置更多的芯片。与此同时，对于电子封装的工艺能力要求也进一步提升，在日常芯片封装与制造过程中，出现较多的一类问题便是封装芯片翘曲变形。其中，翘曲变形的主要原因是封装芯片的内部应力；由于封装芯片内应力的影响因素较多，为了减小芯片的翘曲变形，经常需要通过生产线进行大量工程验证，工程验证伴随着验证方案多、成本高昂以及基板交期长等问题，大大延长了设计周期，降低研发效率。


技术实现要素：

3.本发明所要解决的技术问题是：提供一种芯片翘曲度优化方法、装置、可读存储介质及电子设备，减小工程验证次数，提高优化效率，降低研发成本。
4.为了解决上述技术问题，本发明采用的一种技术方案为：
5.一种芯片翘曲度优化方法，包括：
6.获取待优化参数以及所述待优化参数的范围；
7.在所述待优化参数的范围内进行随机取值得到仿真值，并根据所述仿真值在预设模拟环境中进行仿真模拟获取芯片的翘曲度，通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数；
8.通过智能优化算法对所述插值函数根据优化目标进行求解，得到最优参数。
9.为了解决上述技术问题，本发明采用的另一种技术方案为：
10.一种芯片翘曲度优化装置，包括：
11.获取模块，用于获取待优化参数以及所述待优化参数的范围；
12.处理模块，用于在所述待优化参数的范围内进行随机取值得到仿真值，并根据所述仿真值在预设模拟环境中进行仿真模拟获取芯片的翘曲度，通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数；
13.求解模块，用于通过智能优化算法对所述插值函数根据优化目标进行求解，得到最优参数。
14.为了解决上述技术问题，本发明采用的另一种技术方案为：
15.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种芯片翘曲度优化方法中的各个步骤。
16.为了解决上述技术问题，本发明采用的另一种技术方案为：
17.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种芯片翘曲度优化方法中的各个步骤。
18.本发明的有益效果在于：通过获取需要优化的参数，并确定待优化参数的可选范围，当待优化参数处于该数值范围内时通过仿真模拟获取芯片的翘曲度，并通过代理模型对封装芯片的翘曲度大小进行数学插值，得到封装芯片的插值函数，最后通过智能优化算法对插值函数进行求解，当智能优化算法经过迭代收敛后，得到插值函数的优化目标最优解，即翘曲度的优化目标最优解，从而得到最优设计参数。相比于现有技术中通过doe(design of experiment，试验设计)打样的方式判断不同参数所得到的翘曲度，本发明通过代理模型以及智能优化算法相结合，从而优化理论上使得翘曲度的优化方案有理可循。且相比于传统的doe打样方式能够大大减少芯片优化时间，其优化效率远远高于传统方式，同时基于智能优化算法的耦合效益，使得插值函数可以在优化范围内进行全方位寻优，所得到的优化结果相比于传统doe打样方式更为准确可靠。
附图说明
19.图1为本发明实施例提供的一种芯片翘曲度优化方法的步骤流程图；
20.图2为本发明实施例提供的一种芯片翘曲度优化方法的优化框架；
21.图3为本发明实施例提供的一种芯片翘曲度优化方法的封装芯片结构图；
22.图4为本发明实施例提供的一种芯片翘曲度优化装置的结构示意图；
23.图5为本发明实施例提供的一种电子设备的结构示意图；
24.标号说明：
25.201、获取模块；202、处理模块；203、求解模块；301、存储器；302、处理器。
具体实施方式
26.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
27.请参照图1，本发明实施例提供了一种芯片翘曲度优化方法，包括：
28.获取待优化参数以及所述待优化参数的范围；
29.在所述待优化参数的范围内进行随机取值得到仿真值，并根据所述仿真值在预设模拟环境中进行仿真模拟获取芯片的翘曲度，通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数；
30.通过智能优化算法对所述插值函数根据优化目标进行求解，得到最优参数。从上述描述可知，本发明的有益效果在于：通过获取需要优化的参数，并确定待优化参数的可选范围，当待优化参数处于该数值范围内时通过仿真模拟获取芯片的翘曲度，并通过代理模型对封装芯片的翘曲度大小进行数学插值，得到封装芯片的插值函数，最后通过智能优化算法对插值函数进行求解，当智能优化算法经过迭代收敛后，得到插值函数的优化目标最优解，即翘曲度的优化目标最优解，从而得到最优设计参数。相比于现有技术中通过doe(design of experimen，试验设计)打样的方式判断不同参数所得到的翘曲度，本发明通过代理模型以及智能优化算法相结合，从而优化理论上使得翘曲度的优化方案有理可循。且
相比于传统的doe打样方式能够大大减少芯片优化时间，其优化效率远远高于传统方式，同时基于智能优化算法的耦合效益，使得插值函数可以在优化范围内进行全方位寻优，所得到的优化结果相比于传统doe打样方式更为准确可靠。
31.进一步地，所述待优化参数包括芯片的厚度以及封装材料的厚度；
32.所述获取待优化参数以及所述待优化参数的范围包括：
33.获取所述芯片的厚度以及封装材料的厚度；
34.根据芯片的封装工艺特性分别获取所述芯片的厚度范围以及所述封装材料的厚度范围。
35.由上述描述可知，由于产生翘曲度的主要影响因素为芯片的厚度和封装材料的厚度，故确认当前可进行优化参数为芯片的厚度以及封装材料的厚度。受到芯片封装工艺特性的限制，芯片以及封装材料的厚度需要进行限制，避免优化参数超出范围，造成芯片变形或损坏。
36.进一步地，所述在所述待优化参数的范围内进行随机取值得到仿真值，并根据所述仿真值在预设模拟环境中进行仿真模拟获取芯片的翘曲度包括：
37.通过拉丁超立方抽样获取所述待优化参数的范围内预设数量的样本点作为仿真值；
38.通过有限元仿真算法在预设模拟环境中进行仿真模拟获取每一所述样本点所对应的翘曲度。
39.由上述描述可知，通过拉丁超立方抽样能够保证抽样的均布性和代表性。通过有限元仿真算法获取翘曲度能够大大节约芯片优化的时间，因为现有技术中一次doe打样需要花费一周的时间，但是一次有限元仿真仅需要花费几个小时的时间，其优化效率是呈指数级增长，有效减少了芯片的设计周期。
40.进一步地，所述通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数包括：
41.根据所述样本点构建参数变量矩阵，根据每一所述样本点所对应的翘曲度构建响应值矩阵；
42.根据所述参数变量矩阵以及所述响应值矩阵通过kriging代理模型进行插值处理后，得到所述翘曲度的插值函数。
43.由上述描述可知，本发明采用kriging代理模型进行数学插值，是因为kriging代理模型和其他种类代理模型相比，对非线性问题插值精度更高，并能保证插值点处的精度为100％，而径向基代理模型针对非线性问题容易出现求解矩阵病态，多项式响应面模型对高阶和非线性问题拟合精度低，而工程问题90％为非线性问题，故kriging代理模型更适用于工程问题，而且建模精度更高。
44.进一步地，所述通过智能优化算法对所述插值函数根据优化目标进行求解，得到最优参数包括：
45.以所述待优化参数作为优化变量以及所述翘曲度最小作为优化目标，通过粒子群优化算法对所述插值函数进行迭代更新，输出所述待优化参数的最优值。
46.由上述描述可知，粒子群算法与传统算法相比，计算速度更快，能够节约计算时间；并且，粒子群算法对于粒子种群大小敏感度较低，对速度影响不大。同时，由于粒子群算
法适用于连续函数极值问题，对于非线性、多峰问题均有较强的全局搜索能力，对于本发明的工程问题适用性强。
47.进一步地，所述通过有限元仿真算法在预设模拟环境中进行仿真模拟获取每一所述样本点所对应的翘曲度包括：
48.构建基板、芯片以及封装材料空间几何模型，固定所述基板上的一个顶点，并分别在两个不同方向上分别约束所述基板上两个边缘点的移动自由度，将所述基板与所述封装材料之间的接触面以及所述芯片与所述封装材料之间的接触面设置为绑定约束，得到芯片的空间位置约束；
49.获取芯片、封装材料以及基板的材料参数，根据所述材料参数以及空间位置约束进行求解，得到翘曲度。
50.由上述描述可知，通过有限元仿真算法能够对真实工程问题进行模拟，在有限元仿真算法中构建相应的几何模型，并设置正确的边界条件，对芯片进行空间约束，输入对应的材料参数以及样本点，经过求解计算即可得到与真实工程问题接近的翘曲度结果，其中输出结果中竖直方向上最大形变量即为翘曲度的响应值，这一响应值能够替代工程试验从而实现计算机模拟实验，最大程度上节约研发成本与研发周期。
51.进一步地，所述材料参数包括热膨胀系数、弹性模量以及泊松比。
52.由上述描述可知，基板、芯片以及封装材料的热膨胀系数、弹性模量以及泊松比也是影响其翘曲度的关键因素。
53.本发明另一实施例提供了一种芯片翘曲度优化装置，包括：
54.获取模块，用于获取待优化参数以及所述待优化参数的范围；
55.处理模块，用于在所述待优化参数的范围内进行随机取值得到仿真值，并根据所述仿真值在预设模拟环境中进行仿真模拟获取芯片的翘曲度，通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数；
56.求解模块，用于通过智能优化算法对所述插值函数根据优化目标进行求解，得到最优参数。
57.本发明另一实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种芯片翘曲度优化方法中的各个步骤。
58.本发明另一实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种芯片翘曲度优化方法中的各个步骤。
59.从上述描述可知，本发明的有益效果在于：通过获取需要优化的参数，并确定待优化参数的可选范围，当待优化参数处于该数值范围内时通过仿真模拟获取芯片的翘曲度，并通过代理模型对封装芯片的翘曲度大小进行数学插值，得到封装芯片的插值函数，最后通过智能优化算法对插值函数进行求解，当智能优化算法经过迭代收敛后，得到插值函数的优化目标最优解，即翘曲度的优化目标最优解，从而得到最优设计参数。相比于现有技术中通过doe(design of experimen，试验设计)打样的方式判断不同参数所得到的翘曲度，本发明通过代理模型以及智能优化算法相结合，从而优化理论上使得翘曲度的优化方案有理可循。且相比于传统的doe打样方式能够大大减少芯片优化时间，其优化效率远远高于传统方式，同时基于智能优化算法的耦合效益，使得插值函数可以在优化范围内进行全方位
寻优，所得到的优化结果相比于传统doe打样方式更为准确可靠。
60.实施例一
61.请参照图1至图3，本实施例的一种芯片翘曲度优化方法，包括：
62.s1、获取待优化参数以及所述待优化参数的范围；其中，所述待优化参数包括芯片的厚度以及封装材料的厚度。
63.具体的，所述s1包括：
64.s11、获取所述芯片的厚度以及封装材料的厚度；
65.s12、根据芯片的封装工艺特性分别获取所述芯片的厚度范围以及所述封装材料的厚度范围。
66.在一些实施例中，参照图3，封装芯片为大拼板结构，封装材料(compound)铺设于基板上，芯片(die)封装于封装材料(compound)上。基板的长度为48mm，基板的宽度为18mm，基板的厚度为0.2mm；芯片(die)的长度为4mm，芯片(die)的厚度为4mm，以便于后期对大拼板进行切割。确定待优化参数为芯片(die)的厚度以及封装材料(compound)的厚度。根据封装工艺特性确定芯片(die)的厚度范围x1为[0.15mm,0.25mm]，封装材料(compound)的厚度范围x2为[0.35mm,0.55mm]，如表1所示。
[0067]
表1待优化参数表
[0068]
待优化参数名称范围x1die的厚度[0.15mm,0.25mm]x2compound的厚度[0.35mm,0.55mm]
[0069]
s2、在所述待优化参数的范围内进行随机取值得到仿真值，并根据所述仿真值在预设模拟环境中进行仿真模拟获取芯片的翘曲度，通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数。
[0070]
具体的，所述s2包括：
[0071]
s21、通过拉丁超立方抽样获取所述待优化参数的范围内预设数量的样本点作为仿真值；
[0072]
在一些实施例中，通过拉丁超立方抽样在芯片(die)的厚度范围x1以及封装材料(compound)的厚度范围x2内抽取10n个样本点，此处为20个样本点。
[0073]
s22、通过有限元仿真算法在预设模拟环境中进行仿真模拟获取每一所述样本点所对应的翘曲度，具体的，所述s22包括：
[0074]
s221、构建基板、芯片以及封装材料空间几何模型，固定所述基板上的一个顶点，并分别在两个不同方向上分别约束所述基板上两个边缘点的移动自由度，将所述基板与所述封装材料之间的接触面以及所述芯片与所述封装材料之间的接触面设置为绑定约束，得到芯片的空间位置约束；
[0075]
在一些实施例中，固定所述基板上的一个顶点作为原点，建立xyz空间坐标系，从而限定基板在空间中的绝对位置。当要求基板向指定方向膨胀翘曲时，则分别在除指定方向之外的两个不同方向上分别约束所述基板上两个边缘点的移动自由度，从而限定基板在这两个方向上的移动，使得基板只能向指定方向膨胀。例如，当要求基板向z方向膨胀翘曲时，则在x方向和y方向上分别约束所述基板上两个边缘点的移动自由度。其中，两个边缘点分别位于x方向和y方向，且分别位于所述基板相邻的两边上。
[0076]
s222、获取芯片、封装材料以及基板的材料参数，根据所述材料参数以及空间位置约束进行求解，得到翘曲度。其中，所述材料参数包括热膨胀系数、弹性模量以及泊松比。
[0077]
在一些实施例中，所获取的材料参数如表2所示。
[0078]
表2材料参数表
[0079] 热膨胀系数(ppm)弹性模量(gpa)泊松比die2.61300.28compound9250.26基板45.231.550.296
[0080]
通过上述步骤s21中获取20个样本点，并在有限元仿真软件中导入如图3所述的几何模型，同时输入如表2所示的材料参数，设置约束条件为：将175℃的封装材料冷却至常温25℃；对20个样本点对应的翘曲度响应值进行仿真处理，20个样本点及其对应的翘曲度响应值如表3所示。
[0081]
表3样本点及其对应的翘曲度响应值
[0082]
[0083][0084]
需要说明的是，不同的有限元仿真软件具体操作不同，但其所设置的边界条件相同，具体原理相同。
[0085]
具体的，所述s2还包括：
[0086]
s23、根据所述样本点构建参数变量矩阵，根据每一所述样本点所对应的翘曲度构
建响应值矩阵；
[0087]
s24、根据所述参数变量矩阵以及所述响应值矩阵通过kriging代理模型进行插值处理后，得到所述翘曲度的插值函数。
[0088]
在一些实施例中，采用matlab软件的dace工具箱中的kriging代理模型对翘曲度进行插值，根据20个样本点及其所对应的翘曲度响应值插值出显式的翘曲度的插值函数。
[0089]
具体的，在kriging代理模型中的调用代码如下：
[0090]
theta＝[5 5]；lob＝[1e-1 1e-1
]；upb＝[20 20]；(表示kriging代理模型中的预设参数值)
[0091]
[dmodel,perf]＝dacefit(x,y,@regpoly0,@corrgauss,theta,lob,upb)；(dmodel表示构建模型，dacefit为kriging代理模型中的构建函数，x、y为优化变量)
[0092]
x1＝gridsamp([0.15 0.35；0.25 0.55],40)；(gridsamp为代理模型中的采样函数，即对优化变量进行采样)
[0093]
[yx,mse]＝predictor(x1,dmodel)；(yx为优化变量，mse为翘曲度最小插值，predictor为kriging代理模型中输入函数，即将采样得到的x1输入所构建的dmodel模型中进行计算)
[0094]
其中，x＝[x1,x2]为20个样本点对应的设计变量矩阵，y为20个样本点对应的翘曲度响应值矩阵，得到的yx即为翘曲度的插值函数f(x1,x2)。
[0095]
s3、通过智能优化算法对所述插值函数根据优化目标进行求解，得到最优参数。
[0096]
具体的，所述s3包括：
[0097]
s31、以所述待优化参数作为优化变量以及所述翘曲度最小作为优化目标，通过粒子群优化算法对所述插值函数进行迭代更新，输出所述待优化参数的最优值。
[0098]
在一些实施例中，在鸟群的觅食模型中，每只鸟都被看成一个粒子，则群鸟可以被看成一个粒子群。假设在一个d维空间里，有m个粒子组成一个群体，其中第i个粒子(i＝1，2，
…
，m)位置表示为即第i个粒子在d维空间的最好位置是xi，粒子经历过的最好位置记录为pi＝(p
i1
，p
i2
，
…
，p
id
)，整个群体的所有粒子经过的最好位置为pg＝(p
g1
，p
g2
，
…
，p
gd
)，粒子速度即为vi＝(v
i1
，v
i2
，
…
，v
id
)。粒子采用如下算法对粒子所在位置进行不断迭代更新：
[0099]vid
＝wv
id
+c1r1(p
id-x
id
)+ c2r2(p
gd-x
id
)；
ꢀꢀꢀꢀꢀ
(1)
[0100]
x
id
＝x
id
+v
id
；
ꢀꢀꢀꢀꢀ
(2)
[0101]
其中，i＝1，2，
…
，m；d＝1，2，
…
，d；w是非负数，为加速因子，一般为0.6；c1和c2为加速常数，一般c1＝c2＝2；r1和r2是[0,1]范围内随机数；v
id
∈[-v
maxd
,v
maxd
]，v
max
一般为0.8。在本实施例中，设计空间为2维，则d＝2，m＝500。
[0102]
具体的，以x1和x2为优化变量即以x1和x2的一个组合值(x1，x2)作为粒子的位置集合，即xi＝(x
1i
，x
2i
)，以插值函数f(x1,x2)最小化为优化目标，即翘曲度最小优化目标，通过上述公式(1)和(2)进行不断迭代寻优，更新最优粒子的位置，最后迭代优化的结果为[x1,x2]＝[0.2mm,0.53889mm]；
[0103]
插值函数f(x1,x2)最小化值为f(x1,x2)＝2.4086um，即大拼板的翘曲度优化最小值为2.4086um。相对于初始翘曲度2.7157um减小了11.3％，而且优化效率大大提高，整个优化过程仅用时36h便完成doe打样一个月的工作，且优化结构准确。
[0104]
实施例二
[0105]
请参照图4，本实施例的一种芯片翘曲度优化装置，包括：
[0106]
获取模块201，用于获取待优化参数以及所述待优化参数的范围；
[0107]
处理模块202，用于根据所述待优化参数的范围获取芯片的翘曲度，通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数；
[0108]
求解模块203，用于通过智能优化算法对所述插值函数进行求解，得到最优参数。
[0109]
实施例三
[0110]
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例一所述一种芯片翘曲度优化方法中的各个步骤。
[0111]
实施例四
[0112]
请参照图5，本实施例的一种电子设备，包括存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机程序，所述处理器302执行所述计算机程序时实现实施例一所述一种芯片翘曲度优化方法中的各个步骤。
[0113]
综上所述，本发明提供的一种芯片翘曲度优化方法、装置、可读存储介质及电子设备，通过获取芯片的厚度以及封装材料的厚度，并确定厚度的可选范围，当二者的厚度处于该数值范围内时通过有限元仿真软件在预设模拟环境中仿真模拟获取芯片的翘曲度，并通过代理模型对封装芯片的翘曲度大小进行数学插值，得到封装芯片的插值函数，最后通过粒子群算法对插值函数进行求解，当粒子群算法经过迭代收敛后，即得到插值函数的优化目标最优解，即翘曲度的优化目标最优解，从而得到最优参数。相比于现有技术中通过doe(design of experimen，试验设计)打样的方式判断不同参数所得到的翘曲度，本发明通过代理模型以及智能优化算法相结合，从而优化理论上使得翘曲度的优化方案有理可循。且相比于传统的doe打样方式能够大大减少芯片优化时间，其优化效率远远高于传统方式，同时基于智能优化算法的耦合效益，使得插值函数可以在优化范围内进行全方位寻优，所得到的优化结果相比于传统doe打样方式更为准确可靠。
[0114]
在本技术所提供的上述实施例中，应该理解到，所揭露的方法、装置、计算机可读存储介质以及电子设备，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个组件或模块可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或组件或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0115]
所述作为分离部件说明的组件可以是或者也可以不是物理上分开的，作为组件显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部组件来实现本实施例方案的目的。
[0116]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个组件单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0117]
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上
或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0118]
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
[0119]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
[0120]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种芯片翘曲度优化方法，其特征在于，包括：获取待优化参数以及所述待优化参数的范围；在所述待优化参数的范围内进行随机取值得到仿真值，并根据所述仿真值在预设模拟环境中进行仿真模拟获取芯片的翘曲度，通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数；通过智能优化算法对所述插值函数根据优化目标进行求解，得到最优参数。2.根据权利要求1所述的一种芯片翘曲度优化方法，其特征在于，所述待优化参数包括芯片的厚度以及封装材料的厚度；所述获取待优化参数以及所述待优化参数的范围包括：获取所述芯片的厚度以及封装材料的厚度；根据芯片的封装工艺特性分别获取所述芯片的厚度范围以及所述封装材料的厚度范围。3.根据权利要求1所述的一种芯片翘曲度优化方法，其特征在于，所述在所述待优化参数的范围内进行随机取值得到仿真值，并根据所述仿真值在预设模拟环境中进行仿真模拟获取芯片的翘曲度包括：通过拉丁超立方抽样获取所述待优化参数的范围内预设数量的样本点作为仿真值；通过有限元仿真算法在预设模拟环境中进行仿真模拟获取每一所述样本点所对应的翘曲度。4.根据权利要求3所述的一种芯片翘曲度优化方法，其特征在于，所述通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数包括：根据所述样本点构建参数变量矩阵，根据每一所述样本点所对应的翘曲度构建响应值矩阵；根据所述参数变量矩阵以及所述响应值矩阵通过kriging代理模型进行插值处理后，得到所述翘曲度的插值函数。5.根据权利要求1所述的一种芯片翘曲度优化方法，其特征在于，所述通过智能优化算法对所述插值函数根据优化目标进行求解，得到最优参数包括：以所述待优化参数作为优化变量以及所述翘曲度最小作为优化目标，通过粒子群优化算法对所述插值函数进行迭代更新，输出所述待优化参数的最优值。6.根据权利要求3所述的一种芯片翘曲度优化方法，其特征在于，所述通过有限元仿真算法在预设模拟环境中进行仿真模拟获取每一所述样本点所对应的翘曲度包括：构建基板、芯片以及封装材料空间几何模型，固定所述基板上的一个顶点，并分别在两个不同方向上分别约束所述基板上两个边缘点的移动自由度，将所述基板与所述封装材料之间的接触面以及所述芯片与所述封装材料之间的接触面设置为绑定约束，得到芯片的空间位置约束；获取芯片、封装材料以及基板的材料参数，根据所述材料参数以及空间位置约束进行求解，得到翘曲度。7.根据权利要求6所述的一种芯片翘曲度优化方法，其特征在于，所述材料参数包括热膨胀系数、弹性模量以及泊松比。8.一种芯片翘曲度优化装置，其特征在于，包括：
获取模块，用于获取待优化参数以及所述待优化参数的范围；处理模块，用于根据所述待优化参数的范围获取芯片的翘曲度，通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数；求解模块，用于通过智能优化算法对所述插值函数进行求解，得到最优参数。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的一种芯片翘曲度优化方法中的各个步骤。10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任意一项所述的一种芯片翘曲度优化方法中的各个步骤。

技术总结
本发明公开一种芯片翘曲度优化方法、装置、可读存储介质及电子设备，获取待优化参数以及所述待优化参数的范围；在所述待优化参数的范围内进行随机取值得到仿真值，并根据所述仿真值在预设模拟环境中进行仿真模拟获取芯片的翘曲度，通过代理模型对所述翘曲度进行数学插值，得到所述翘曲度的插值函数；通过智能优化算法对所述插值函数根据优化目标进行求解，得到最优参数。本发明通过代理模型、仿真模拟以及智能优化算法相结合，从而优化理论上使得翘曲度的优化方案有理可循，大大减少芯片优化时间，提高优化效率；基于智能优化算法的耦合效益，翘曲度在优化范围内实现全方位寻优，所得到的优化结果相比于传统DOE打样方式更为准确可靠。准确可靠。准确可靠。


技术研发人员：孙成思 张鑫
受保护的技术使用者：成都佰维存储科技有限公司
技术研发日：2023.05.19
技术公布日：2023/8/24