CN117373932B - 一种基于低功耗氮化镓的芯片制备方法及系统 - Google Patents
一种基于低功耗氮化镓的芯片制备方法及系统 Download PDFInfo
- Publication number
- CN117373932B CN117373932B CN202311663429.4A CN202311663429A CN117373932B CN 117373932 B CN117373932 B CN 117373932B CN 202311663429 A CN202311663429 A CN 202311663429A CN 117373932 B CN117373932 B CN 117373932B
- Authority
- CN
- China
- Prior art keywords
- gallium nitride
- heat dissipation
- chip
- nitride chip
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910002601 GaN Inorganic materials 0.000 title claims abstract description 264
- JMASRVWKEDWRBT-UHFFFAOYSA-N Gallium nitride Chemical compound [Ga]#N JMASRVWKEDWRBT-UHFFFAOYSA-N 0.000 title claims abstract description 263
- 238000002360 preparation method Methods 0.000 title claims abstract description 20
- 230000017525 heat dissipation Effects 0.000 claims abstract description 263
- 238000012360 testing method Methods 0.000 claims abstract description 72
- 238000010586 diagram Methods 0.000 claims abstract description 45
- 230000005855 radiation Effects 0.000 claims abstract description 45
- 239000004065 semiconductor Substances 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000004806 packaging method and process Methods 0.000 claims abstract description 17
- 238000010438 heat treatment Methods 0.000 claims description 46
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000011056 performance test Methods 0.000 claims description 20
- 230000020169 heat generation Effects 0.000 claims description 19
- 238000003466 welding Methods 0.000 claims description 15
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 12
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 12
- 229910052802 copper Inorganic materials 0.000 claims description 12
- 239000010949 copper Substances 0.000 claims description 12
- 230000007547 defect Effects 0.000 claims description 12
- 229910052710 silicon Inorganic materials 0.000 claims description 12
- 239000010703 silicon Substances 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 238000005057 refrigeration Methods 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 abstract description 4
- 230000002776 aggregation Effects 0.000 abstract description 4
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000006403 short-term memory Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
- H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
- H01L21/50—Assembly of semiconductor devices using processes or apparatus not provided for in a single one of the subgroups H01L21/06 - H01L21/326, e.g. sealing of a cap to a base of a container
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/14—Measuring as part of the manufacturing process for electrical parameters, e.g. resistance, deep-levels, CV, diffusions by electrical means
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L23/00—Details of semiconductor or other solid state devices
- H01L23/34—Arrangements for cooling, heating, ventilating or temperature compensation ; Temperature sensing arrangements
- H01L23/36—Selection of materials, or shaping, to facilitate cooling or heating, e.g. heatsinks
- H01L23/367—Cooling facilitated by shape of device
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Cooling Or The Like Of Semiconductors Or Solid State Devices (AREA)
Abstract
本发明提供一种基于低功耗氮化镓的芯片制备方法及系统，涉及半导体器件领域，其中，该方法包括：获取氮化镓芯片的印刷电路板图、各元件的特征参数及工作参数，确定氮化镓芯片的至少一个目标散热区域及每个目标散热区域的发热量；基于印刷电路板图、氮化镓芯片的至少一个目标散热区域及每个目标散热区域的发热量，确定目标散热方案；基于印刷电路板图，制备氮化镓芯片；基于目标散热方案，在氮化镓芯片上安装散热组件；对安装散热组件后的氮化镓芯片进行测试；氮化镓芯片测试通过后，对氮化镓芯片进行封装；对封装后的氮化镓芯片进行二次测试，具有避免热量在氮化镓芯片的聚集，提高氮化镓功率芯片的稳定性及寿命的优点。
Description
技术领域
本发明涉及半导体器件领域，特别涉及一种基于低功耗氮化镓的芯片制备方法及系统。
背景技术
与硅器件相比，由于氮化镓的晶体具备更强的化学键，因此它可以承受比硅器件高出很多倍的电场而不会崩溃。因此，可以把晶体管的各个电端子之间的距离缩短十倍。这样可以实现更低的电阻损耗，以及电子具备更短的转换时间。总的来说，氮化镓器件具备更快速的开关、更低的功率损耗及更低的成本优势。
近年来，随着氮化镓充电器的加速普及，人们在充电这一日常操作中，所支付的时间正在急剧减少。专注氮化镓功率芯片的纳微半导体，基于GaNSense技术证实了，氮化镓器件的开关速度比传统的硅器件快20倍，在尺寸和重量减半的情况下，可实现高达3倍的功率，以及3倍的充电速度。换言之，未来在氮化镓的加持下，“充电”将会是一件非常省时的事情。
现有的氮化镓功率芯片的封装方式为没有外露散热金属片的全包封结构，这类型封装的氮化镓功率芯片，主要通过封装材料将内部裸芯片的热量传导或辐射到空气中这个途径来散热。氮化镓功率芯片的高功率密度特性导致氮化镓功率芯片在工作时，一方面会因功率损耗引起氮化镓功率芯片发热、升温，而氮化镓功率芯片的温度过高，不仅会限制氮化镓功率芯片的电流、电压容量，还会缩短氮化镓功率芯片的寿命。
因此，需要提供一种基于低功耗氮化镓的芯片制备方法及系统，用于避免热量在氮化镓芯片的聚集，提高氮化镓功率芯片的稳定性及寿命。
发明内容
本说明书实施例之一提供一种基于低功耗氮化镓的芯片制备方法，包括：获取氮化镓芯片的印刷电路板图及所述氮化镓芯片中的各元件的特征参数；获取所述氮化镓芯片的工作参数；基于所述氮化镓芯片的印刷电路板图、所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量；基于所述印刷电路板图、所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，确定目标散热方案；基于所述印刷电路板图，制备所述氮化镓芯片；基于所述目标散热方案，在所述氮化镓芯片上安装散热组件；对安装散热组件后的氮化镓芯片进行测试，其中，所述测试包括散热性能测试、缺陷测试及电气测试；所述氮化镓芯片测试通过后，对所述氮化镓芯片进行封装；对封装后的氮化镓芯片进行二次测试。
在一些实施例中，所述氮化镓芯片至少包括第一基座，所述第一基座上设置有多个第一焊点，所述第一基座通过所述多个第一焊点焊接有共源共栅级联结构及外围电路，其中，所述氮化镓芯片中的各元件包括所述共源共栅级联结构内的元件及所述外围电路内的元件，所述共源共栅级联结构包括氮化镓晶体管和硅晶体管，所述氮化镓晶体管的源极与所述硅晶体管的漏极连接，所述氮化镓晶体管的栅极与所述硅晶体管的源极连接；所述散热组件包括第二基座及导热座，所述第二基座上设置有多个第二焊点，所述多个第二焊点的位置基于所述目标散热方案确定，所述第二基座通过所述多个第二焊点焊接有多个散热元件，所述第二基座用于与外接电源连接，所述导热座设置在所述第二基座的上方，所述导热座的一端位于所述氮化镓芯片的封装的外部；所述散热元件包括N型半导体件、P型半导体件、铜接触板及降温座，所述N型半导体件的一端焊接至所述第二基座，所述N型半导体件的另一端焊接至所述铜接触板，所述P型半导体件的一端焊接至所述铜接触板，所述P型半导体件的另一端焊接至所述第二基座，所述铜接触板设置在所述降温座上。
在一些实施例中，所述基于所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定每个所述元件的元件发热量，包括：通过发热量预测模型基于各元件的特征参数及氮化镓芯片的工作参数，确定每个元件的元件发热量，其中，所述发热量预测模型包括多个发热量预测子模型；具体的，基于以下公式确定每个元件的元件发热量：；/>；
其中，为元件的元件发热量，/>为第i个发热量预测子模型输出的元件的元件发热量，/>为第i个发热量预测子模型对应的权重，/>为第i个发热量预测子模型对应的误差平方和，/>为第j个发热量预测子模型对应的误差平方和，N为发热量预测子模型的总数。
在一些实施例中，所述基于所述氮化镓芯片的印刷电路板图、所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，包括：基于所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定每个所述元件的元件发热量；将元件发热量大于预设元件发热量阈值的元件，作为目标元件；基于所述氮化镓芯片的印刷电路板图对目标元件进行聚类，确定所述至少一个目标散热区域；对于每个所述目标散热区域，通过热量修正模型基于所述目标散热区域包括的每个目标元件的特征参数、位置信息及元件发热量，确定所述目标散热区域的发热量。
在一些实施例中，所述基于所述印刷电路板图、所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，确定目标散热方案，包括：基于所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，确定约束条件集，其中，所述约束条件集包括每个所述目标散热区域对应的散热元件最多约束及散热元件最少约束；基于所述约束条件集，生成多种候选散热方案，其中，每个所述目标散热区域对应的散热元件的数量及位置；建立方案评价体系，基于所述方案评价体系确定每种所述候选散热方案的优先值；基于每种所述候选散热方案的优先值，从所述多种候选散热方案中确定所述目标散热方案。
在一些实施例中，所述方案评价体系包括多个方案评价指标，其中，所述多个方案评价指标至少包括区域散热指标、整体散热指标、冗余制冷指标及封装尺寸影响指标；所述多个方案评价指标的权重基于层次分析法确定。
在一些实施例中，所述对安装散热组件后的氮化镓芯片进行测试，包括：对所述安装散热组件后的氮化镓芯片进行超声波检测，获取超声波信号，基于所述超声波信号，判断所述安装散热组件后的氮化镓芯片是否存在内部缺陷；当所述安装散热组件后的氮化镓芯片不存在内部缺陷时，对所述安装散热组件后的氮化镓芯片进行第一次电气测试，获取电气测试结果；当所述电气测试结果符合预设电气测试结果时，基于所述氮化镓芯片的工作参数，对所述安装散热组件后的氮化镓芯片进行第一次散热性能测试，通过红外热成像仪在所述第一次散热性能测试中的多个第一时间点，获取所述安装散热组件后的氮化镓芯片的每个目标散热区域的第一温度信息，对所述第一温度信息进行分析，确定所述安装散热组件后的氮化镓芯片的封装前散热性能。
在一些实施例中，所述对所述第一温度信息进行分析，确定所述安装散热组件后的氮化镓芯片的封装前散热性能，包括：对在所述多个第一时间点获取的每个目标散热区域的第一温度信息进行异常数据剔除及数据补全，生成处理后的温度矩阵，其中，所述温度矩阵的列向量包括一个所述目标散热区域在所述多个第一时间点的第一温度；基于所述温度矩阵，确定所述安装散热组件后的氮化镓芯片的封装前散热性能。
在一些实施例中，所述对封装后的氮化镓芯片进行二次测试，包括：对所述封装后的氮化镓芯片进行第二次散热性能测试及第二次电气测试，通过红外热成像仪在所述第二次散热性能测试中的多个第二时间点，获取所述封装后的氮化镓芯片的第二温度信息，对所述第二温度信息进行分析，结合第二次电气测试结果确定所述封装后的氮化镓芯片的封装后散热性能。
本说明书实施例之一提供一种基于低功耗氮化镓的芯片制备系统，包括：数据获取模块，用于获取氮化镓芯片的印刷电路板图及所述氮化镓芯片中的各元件的特征参数；参数获取模块，用于获取所述氮化镓芯片的工作参数：热量确定模块，用于基于所述氮化镓芯片的印刷电路板图、所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量；方案确定模块，用于基于所述印刷电路板图、所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，确定目标散热方案；芯片制备模块，用于基于所述印刷电路板图，制备所述氮化镓芯片，还用于基于所述目标散热方案，在所述氮化镓芯片上安装散热组件；性能测试模块，用于对安装散热组件后的氮化镓芯片进行测试，其中，所述测试包括散热性能测试、缺陷测试及电气测试；芯片封装模块，用于在所述氮化镓芯片测试通过后，对所述氮化镓芯片进行封装；二次测试模块，用于对封装后的氮化镓芯片进行二次测试。
相比于现有技术，本说明书提供的一种基于低功耗氮化镓的芯片制备方法及系统，至少具备以下有益效果：
1、通过基于氮化镓芯片的印刷电路板图、氮化镓芯片中的各元件的特征参数及氮化镓芯片的工作参数，确定氮化镓芯片的至少一个目标散热区域及每个目标散热区域的发热量，确定氮化镓芯片中可能发生热量聚集的区域，进而确定目标散热方案，安装散热组件，避免了热量在氮化镓芯片的聚集，提高氮化镓功率芯片的稳定性及寿命；
2、单一工作的元件的发热量和多个元件同时工作时，单个元件的发热量不同，因此，对于每个目标散热区域，基于目标散热区域包括的每个目标元件的特征参数及位置信息，对进行修正，可以确定较为准确的目标散热区域的发热量；
3、通过在封装前和封装后对氮化镓芯片进行两次测试，保证了投入使用的氮化镓芯片的质量。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的一种基于低功耗氮化镓的芯片制备系统的模块示意图；
图2是根据本说明书一些实施例所示的一种基于低功耗氮化镓的芯片制备方法的流程示意图；
图3是根据本说明书一些实施例所示的确定氮化镓芯片的至少一个目标散热区域的流程示意图；
图4是根据本说明书一些实施例所示的确定目标散热方案的流程示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的一种基于低功耗氮化镓的芯片制备系统的模块示意图，如图1所示，一种基于低功耗氮化镓的芯片制备系统可以包括数据获取模块、参数获取模块、热量确定模块、方案确定模块、芯片制备模块、性能测试模块、芯片封装模块及二次测试模块。
数据获取模块可以用于获取氮化镓芯片的印刷电路板图及氮化镓芯片中的各元件的特征参数。
参数获取模块可以用于获取氮化镓芯片的工作参数。
热量确定模块可以用于基于氮化镓芯片的印刷电路板图、氮化镓芯片中的各元件的特征参数及氮化镓芯片的工作参数，确定氮化镓芯片的至少一个目标散热区域及每个目标散热区域的发热量。
方案确定模块可以用于基于印刷电路板图、氮化镓芯片的至少一个目标散热区域及每个目标散热区域的发热量，确定目标散热方案。
芯片制备模块可以用于基于印刷电路板图，制备氮化镓芯片，还可以用于基于目标散热方案，在氮化镓芯片上安装散热组件。
性能测试模块可以用于对安装散热组件后的氮化镓芯片进行测试，其中，测试包括散热性能测试、缺陷测试及电气测试。
芯片封装模块可以用于在氮化镓芯片测试通过后，对氮化镓芯片进行封装。
二次测试模块可以用于对封装后的氮化镓芯片进行二次测试。
关于一种基于低功耗氮化镓的芯片制备系统的更多描述可以参见图2及其相关描述，此处不再赘述。
图2是根据本说明书一些实施例所示的一种基于低功耗氮化镓的芯片制备方法的流程示意图，在一些实施例中，一种基于低功耗氮化镓的芯片制备方法可以由一种基于低功耗氮化镓的芯片制备系统执行，如图2所示，一种基于低功耗氮化镓的芯片制备方法可以包括以下步骤。
步骤210，获取氮化镓芯片的印刷电路板图及氮化镓芯片中的各元件的特征参数。
在一些实施例中，氮化镓芯片至少包括第一基座，第一基座上设置有多个第一焊点，第一基座通过多个第一焊点焊接有共源共栅级联结构及外围电路，其中，氮化镓芯片中的各元件包括共源共栅级联结构内的元件及外围电路内的元件，共源共栅级联结构包括氮化镓晶体管和硅晶体管，氮化镓晶体管的源极与硅晶体管的漏极连接，氮化镓晶体管的栅极与硅晶体管的源极连接。外围电路可以根据实际需要进行灵活调整，不同型号的氮化镓芯片的外围电路可以不同。
元件的特征参数可以包括特性参数、规格参数（例如，标称值、尺寸、额定值和允差值等）及质量参数（例如，温度系数、噪声电动势、高频特性、机械强度、可焊性及可靠性等）。
以电阻为例，电阻的特性参数可以包括阻值、功率等。以电容为例，电容的特性参数可以包括容量、额定电压等。
步骤220，获取氮化镓芯片的工作参数。
氮化镓芯片的工作参数可以包括额定电压、额定电流、额定功率及工作环境温度等。
步骤230，基于氮化镓芯片的印刷电路板图、氮化镓芯片中的各元件的特征参数及氮化镓芯片的工作参数，确定氮化镓芯片的至少一个目标散热区域及每个目标散热区域的发热量。
图3是根据本说明书一些实施例所示的确定氮化镓芯片的至少一个目标散热区域的流程示意图，如图3所示，在一些实施例中，基于氮化镓芯片的印刷电路板图、氮化镓芯片中的各元件的特征参数及氮化镓芯片的工作参数，确定氮化镓芯片的至少一个目标散热区域及每个目标散热区域的发热量，包括：
基于氮化镓芯片中的各元件的特征参数及氮化镓芯片的工作参数，确定每个元件的元件发热量；
将元件发热量大于预设元件发热量阈值的元件，作为目标元件；
基于氮化镓芯片的印刷电路板图对目标元件进行聚类，确定至少一个目标散热区域；
对于每个目标散热区域，通过热量修正模型基于目标散热区域包括的每个目标元件的特征参数、位置信息及元件发热量，确定目标散热区域的发热量。
在一些实施例中，可以通过发热量预测模型基于各元件的特征参数及氮化镓芯片的工作参数，确定每个元件的元件发热量。发热量预测模型的输入可以包括氮化镓芯片中的各元件的特征参数及氮化镓芯片的工作参数，发热量预测模型的输出可以包括每个元件的元件发热量。
在一些实施例中，发热量预测模型可以包括多个发热量预测子模型，例如，GAM（Generalized Additive Model）发热量预测子模型、RF（Random Forests）发热量预测子模型及LSTM (Long Short-Term Memory) 发热量预测子模型等，每个发热量预测子模型的输入可以包括氮化镓芯片中的各元件的特征参数及氮化镓芯片的工作参数，每个发热量预测子模型的输出可以包括每个元件的元件发热量。可以对多个发热量预测子模型的输出结果进行融合，确定每个元件的元件发热量。
例如，可以基于以下公式确定每个元件的元件发热量：
，
其中，为元件的元件发热量，/>为第i个发热量预测子模型输出的元件的元件发热量，/>为第i个发热量预测子模型对应的权重，/>为第i个发热量预测子模型对应的误差平方和，/>为第j个发热量预测子模型对应的误差平方和，N为发热量预测子模型的总数。
在一些实施例中，可以通过k均值聚类算法，基于相邻两个目标元件之间的距离，对目标元件进行聚类，确定至少一个目标散热区域。
可以理解的，因此，单一工作的元件的发热量和多个元件同时工作时，单个元件的发热量不同，因此，对于每个目标散热区域，需要基于目标散热区域包括的每个目标元件的特征参数及位置信息，对发热量预测模型预测的元件发热量进行修正，确定较为准确的目标散热区域的发热量。
例如，可以通过热量修正模型基于目标散热区域包括的每个目标元件的特征参数及位置信息，对发热量预测模型预测的元件发热量进行修正，确定较为准确的目标散热区域的发热量。其中，热量修正模型的输入可以包括发热量预测模型输出的目标散热区域包括的每个元件的元件发热量、从氮化镓芯片的印刷电路板图中截取的该目标散热区域的印刷电路板图及目标散热区域包括的每个元件的元件的特征参数，热量修正模型的输出可以包括目标散热区域的发热量。热量修正模型可以为人工神经网络(Artificial NeuralNetwork，ANN)模型、循环神经网络(Recurrent Neural Networks，RNN)模型、长短时记忆网络(Long Short-Term Memory，LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。
步骤240，基于印刷电路板图、氮化镓芯片的至少一个目标散热区域及每个目标散热区域的发热量，确定目标散热方案。
在一些实施例中，散热组件包括第二基座及导热座，第二基座上设置有多个第二焊点，多个第二焊点的位置基于目标散热方案确定，第二基座通过多个第二焊点焊接有多个散热元件，第二基座用于与外接电源连接，导热座设置在第二基座的上方，导热座的一端位于氮化镓芯片的封装的外部。散热元件包括N型半导体件、P型半导体件、铜接触板及降温座，N型半导体件的一端焊接至第二基座，N型半导体件的另一端焊接至铜接触板，P型半导体件的一端焊接至铜接触板，P型半导体件的另一端焊接至第二基座，铜接触板设置在降温座上。
图4是根据本说明书一些实施例所示的确定目标散热方案的流程示意图，如图4所示，在一些实施例中，基于印刷电路板图、氮化镓芯片的至少一个目标散热区域及每个目标散热区域的发热量，确定目标散热方案，包括：
基于氮化镓芯片的至少一个目标散热区域及每个目标散热区域的发热量，确定约束条件集，其中，约束条件集包括每个目标散热区域对应的散热元件最多约束及散热元件最少约束；
基于约束条件集，生成多种候选散热方案，其中，每个目标散热区域对应的散热元件的数量及位置；
建立方案评价体系，基于方案评价体系确定每种候选散热方案的优先值；
基于每种候选散热方案的优先值，从多种候选散热方案中确定目标散热方案。
具体的，对于每个目标散热区域，可以基于该目标散热区域包括的所有目标元件的最优工作温度范围，确定每个目标散热区域对应的散热元件最多约束及散热元件最少约束，其中，在该最优工作温度范围内，目标元件工作性能较好。例如，可以基于该目标散热区域包括的所有目标元件的工作温度范围的最小温度值及目标散热区域的发热量，确定该目标散热区域的最大散热量，确定该目标散热区域对应的散热元件最多数量，即散热元件最多约束，可以基于该目标散热区域包括的所有目标元件的工作温度范围的最大温度值及目标散热区域的发热量，确定该目标散热区域的最小散热量，确定该目标散热区域对应的散热元件最少数量，即散热元件最少约束。
仅作为示例的，可以基于以下公式确定目标散热区域对应的散热元件最多数量：
，
其中，为第k个目标散热区域对应的散热元件最多数量，/>为第k个目标散热区域对应的最大散热量，/>为单个散热元件的制冷量。
可以基于以下公式确定目标散热区域对应的散热元件最少数量：
，
其中，为第k个目标散热区域对应的散热元件最少数量，/>为第k个目标散热区域对应的最少散热量。
在一些实施例中，方案评价体系包括多个方案评价指标，其中，多个方案评价指标至少包括区域散热指标、整体散热指标、冗余制冷指标及封装尺寸影响指标。区域散热指标可以表征目标散热区域的散热性能，整体散热指标可以表征氮化镓芯片的散热性能，冗余制冷指标可以表征散热组件的冗余制冷量，封装尺寸影响指标可以表征安装散热组件后进行封装后的氮化镓芯片的尺寸与未安装散热组件的氮化镓芯片的尺寸的差值情况。
在一些实施例中，多个方案评价指标的权重基于层次分析法确定。具体包括：
建立基于层次分析法的层次结构模型；
构造判断矩阵；
计算特征值及特征向量；
一致性检验分析；
层次总排序，得出各方案评价指标的权重值。
在一些实施例中，可以通过性能预测模型预测候选散热方案在区域散热指标、整体散热指标、冗余制冷指标及封装尺寸影响指标的得分，基于候选散热方案在区域散热指标、整体散热指标、冗余制冷指标及封装尺寸影响指标的得分计算候选散热方案的优先值。其中，性能预测模型可以为人工神经网络(Artificial Neural Network，ANN)模型、循环神经网络(Recurrent Neural Networks，RNN)模型、长短时记忆网络(Long Short-TermMemory，LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。
仅作为示例，可以基于以下公式基于候选散热方案在区域散热指标、整体散热指标、冗余制冷指标及封装尺寸影响指标的得分计算候选散热方案的优先值：
，
其中，为第f种候选散热方案的优先值，/>为第f种候选散热方案在区域散热指标的得分，/>为第f种候选散热方案在整体散热指标的得分，为第f种候选散热方案在冗余制冷指标的得分，/>为第f种候选散热方案在封装尺寸影响指标的得分，/>、/>、/>及/>均为预设权重。
步骤250，基于印刷电路板图，制备氮化镓芯片。
步骤260，基于目标散热方案，在氮化镓芯片上安装散热组件。
步骤270，对安装散热组件后的氮化镓芯片进行测试，其中，测试包括散热性能测试、缺陷测试及电气测试。
具体包括：
对安装散热组件后的氮化镓芯片进行超声波检测，获取超声波信号，基于超声波信号，判断安装散热组件后的氮化镓芯片是否存在内部缺陷；
当安装散热组件后的氮化镓芯片不存在内部缺陷时，对安装散热组件后的氮化镓芯片进行第一次电气测试，获取电气测试结果；
当电气测试结果符合预设电气测试结果时，基于氮化镓芯片的工作参数，对安装散热组件后的氮化镓芯片进行第一次散热性能测试，通过红外热成像仪在第一次散热性能测试中的多个第一时间点，获取安装散热组件后的氮化镓芯片的每个目标散热区域的第一温度信息，对第一温度信息进行分析，确定安装散热组件后的氮化镓芯片的封装前散热性能。
在一些实施例中，对第一温度信息进行分析，确定安装散热组件后的氮化镓芯片的封装前散热性能，包括：
对在多个第一时间点获取的每个目标散热区域的第一温度信息进行异常数据剔除及数据补全，生成处理后的温度矩阵，其中，温度矩阵的列向量包括一个目标散热区域在多个第一时间点的第一温度；
基于温度矩阵，确定安装散热组件后的氮化镓芯片的封装前散热性能。
具体的，对于每个时间点，可以以该时间点为中心，确定目标时间段，基于该目标时间段内目标散热区域的温度标准差，确定该时间点对应的第一温度是否为异常数据。例如，将对应的温度标准差大于预设温度标准差阈值的时间点作为异常时间点，剔除在该异常时间点获取的第一温度。
在一些实施例中，可以通过对抗网络（Generative Adversarial Network，GAN）对剔除了异常数据后的在多个第一时间点获取的每个目标散热区域的第一温度信息进行补全，生成处理后的温度矩阵。
在一些实施例中，封装前散热性能可以表现为温度稳定性。
在一些实施例中，可以基于以下公式确定温度稳定性：
，
其中，为氮化镓芯片的温度稳定性，/>为目标散热区域的温度稳定性，为目标散热区域在第m个第一时间点的温度，/>为目标散热区域对应的预设温度标准值，/>可以基于确定目标散热区域对应的散热元件的数量/>、第k个目标散热区域对应的最大散热量/>及第k个目标散热区域对应的最少散热量/>确定，/>为第一时间点的总数。
步骤280，氮化镓芯片测试通过后，对氮化镓芯片进行封装。
步骤290，对封装后的氮化镓芯片进行二次测试。
具体包括：对封装后的氮化镓芯片进行第二次散热性能测试及第二次电气测试，通过红外热成像仪在第二次散热性能测试中的多个第二时间点，获取封装后的氮化镓芯片的第二温度信息，对第二温度信息进行分析，结合第二次电气测试结果确定封装后的氮化镓芯片的封装后散热性能。
具体的，在进行第二次电气测试的过程中，可以通过红外热成像仪获取封装后的氮化镓芯片的第二温度信息，当第二次电气测试结果符合预设电气测试要求，且封装后的氮化镓芯片的第二温度信息符合预设芯片温度要求时，该封装后的氮化镓芯片的封装后散热性能满足预设要求。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (7)
1.一种基于低功耗氮化镓的芯片制备方法，其特征在于，包括：
获取氮化镓芯片的印刷电路板图及所述氮化镓芯片中的各元件的特征参数；
获取所述氮化镓芯片的工作参数；
基于所述氮化镓芯片的印刷电路板图、所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量；
基于所述印刷电路板图、所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，确定目标散热方案；
基于所述印刷电路板图，制备所述氮化镓芯片；
基于所述目标散热方案，在所述氮化镓芯片上安装散热组件；
对安装散热组件后的氮化镓芯片进行测试，其中，所述测试包括散热性能测试、缺陷测试及电气测试；
所述氮化镓芯片测试通过后，对所述氮化镓芯片进行封装；
对封装后的氮化镓芯片进行二次测试；
所述基于所述氮化镓芯片的印刷电路板图、所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，包括：
基于所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定每个所述元件的元件发热量；
将元件发热量大于预设元件发热量阈值的元件，作为目标元件；
基于所述氮化镓芯片的印刷电路板图对目标元件进行聚类，确定所述至少一个目标散热区域；
对于每个所述目标散热区域，通过热量修正模型基于所述目标散热区域包括的每个目标元件的特征参数、位置信息及元件发热量，确定所述目标散热区域的发热量；
通过发热量预测模型基于各元件的特征参数及氮化镓芯片的工作参数，确定每个元件的元件发热量，其中，所述发热量预测模型包括多个发热量预测子模型；
具体的，基于以下公式确定每个元件的元件发热量：
，
，
其中，为元件的元件发热量，/>为第/>个发热量预测子模型输出的元件的元件发热量，/>为第/>个发热量预测子模型对应的权重，/>为第/>个发热量预测子模型对应的误差平方和，/>为第/>个发热量预测子模型对应的误差平方和，/>为发热量预测子模型的总数；
所述基于所述印刷电路板图、所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，确定目标散热方案，包括：
基于所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，确定约束条件集，其中，所述约束条件集包括每个所述目标散热区域对应的散热元件最多约束及散热元件最少约束；
基于所述约束条件集，生成多种候选散热方案，其中，每个所述目标散热区域对应的散热元件的数量及位置；
建立方案评价体系，基于所述方案评价体系确定每种所述候选散热方案的优先值；
基于每种所述候选散热方案的优先值，从所述多种候选散热方案中确定所述目标散热方案。
2.根据权利要求1所述的一种基于低功耗氮化镓的芯片制备方法，其特征在于，所述氮化镓芯片至少包括第一基座，所述第一基座上设置有多个第一焊点，所述第一基座通过所述多个第一焊点焊接有共源共栅级联结构及外围电路，其中，所述氮化镓芯片中的各元件包括所述共源共栅级联结构内的元件及所述外围电路内的元件，所述共源共栅级联结构包括氮化镓晶体管和硅晶体管，所述氮化镓晶体管的源极与所述硅晶体管的漏极连接，所述氮化镓晶体管的栅极与所述硅晶体管的源极连接；
散热组件包括第二基座及导热座，所述第二基座上设置有多个第二焊点，所述多个第二焊点的位置基于所述目标散热方案确定，所述第二基座通过所述多个第二焊点焊接有多个散热元件，所述第二基座用于与外接电源连接，所述导热座设置在所述第二基座的上方，所述导热座的一端位于所述氮化镓芯片的封装的外部；
所述散热元件包括N型半导体件、P型半导体件、铜接触板及降温座，所述N型半导体件的一端焊接至所述第二基座，所述N型半导体件的另一端焊接至所述铜接触板，所述P型半导体件的一端焊接至所述铜接触板，所述P型半导体件的另一端焊接至所述第二基座，所述铜接触板设置在所述降温座上。
3.根据权利要求2所述的一种基于低功耗氮化镓的芯片制备方法，其特征在于，所述方案评价体系包括多个方案评价指标，其中，所述多个方案评价指标至少包括区域散热指标、整体散热指标、冗余制冷指标及封装尺寸影响指标；
所述多个方案评价指标的权重基于层次分析法确定。
4.根据权利要求1或2所述的一种基于低功耗氮化镓的芯片制备方法，其特征在于，所述对安装散热组件后的氮化镓芯片进行测试，包括：
对所述安装散热组件后的氮化镓芯片进行超声波检测，获取超声波信号，基于所述超声波信号，判断所述安装散热组件后的氮化镓芯片是否存在内部缺陷；
当所述安装散热组件后的氮化镓芯片不存在内部缺陷时，对所述安装散热组件后的氮化镓芯片进行第一次电气测试，获取电气测试结果；
当所述电气测试结果符合预设电气测试结果时，基于所述氮化镓芯片的工作参数，对所述安装散热组件后的氮化镓芯片进行第一次散热性能测试，通过红外热成像仪在所述第一次散热性能测试中的多个第一时间点，获取所述安装散热组件后的氮化镓芯片的每个目标散热区域的第一温度信息，对所述第一温度信息进行分析，确定所述安装散热组件后的氮化镓芯片的封装前散热性能。
5.根据权利要求4所述的一种基于低功耗氮化镓的芯片制备方法，其特征在于，所述对所述第一温度信息进行分析，确定所述安装散热组件后的氮化镓芯片的封装前散热性能，包括：
对在所述多个第一时间点获取的每个目标散热区域的第一温度信息进行异常数据剔除及数据补全，生成处理后的温度矩阵，其中，所述温度矩阵的列向量包括一个所述目标散热区域在所述多个第一时间点的第一温度；
基于所述温度矩阵，确定所述安装散热组件后的氮化镓芯片的封装前散热性能。
6.根据权利要求5所述的一种基于低功耗氮化镓的芯片制备方法，其特征在于，所述对封装后的氮化镓芯片进行二次测试，包括：
对所述封装后的氮化镓芯片进行第二次散热性能测试及第二次电气测试，通过红外热成像仪在所述第二次散热性能测试中的多个第二时间点，获取所述封装后的氮化镓芯片的第二温度信息，对所述第二温度信息进行分析，结合第二次电气测试结果确定所述封装后的氮化镓芯片的封装后散热性能。
7.一种基于低功耗氮化镓的芯片制备系统，其特征在于，包括：
数据获取模块，用于获取氮化镓芯片的印刷电路板图及所述氮化镓芯片中的各元件的特征参数；
参数获取模块，用于获取所述氮化镓芯片的工作参数：
热量确定模块，用于基于所述氮化镓芯片的印刷电路板图、所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量；
方案确定模块，用于基于所述印刷电路板图、所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，确定目标散热方案；
芯片制备模块，用于基于所述印刷电路板图，制备所述氮化镓芯片，还用于基于所述目标散热方案，在所述氮化镓芯片上安装散热组件；
性能测试模块，用于对安装散热组件后的氮化镓芯片进行测试，其中，所述测试包括散热性能测试、缺陷测试及电气测试；
芯片封装模块，用于在所述氮化镓芯片测试通过后，对所述氮化镓芯片进行封装；
二次测试模块，用于对封装后的氮化镓芯片进行二次测试；
所述基于所述氮化镓芯片的印刷电路板图、所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，包括：
基于所述氮化镓芯片中的各元件的特征参数及所述氮化镓芯片的工作参数，确定每个所述元件的元件发热量；
将元件发热量大于预设元件发热量阈值的元件，作为目标元件；
基于所述氮化镓芯片的印刷电路板图对目标元件进行聚类，确定所述至少一个目标散热区域；
对于每个所述目标散热区域，通过热量修正模型基于所述目标散热区域包括的每个目标元件的特征参数、位置信息及元件发热量，确定所述目标散热区域的发热量；
通过发热量预测模型基于各元件的特征参数及氮化镓芯片的工作参数，确定每个元件的元件发热量，其中，所述发热量预测模型包括多个发热量预测子模型；
具体的，基于以下公式确定每个元件的元件发热量：
，
，
其中，为元件的元件发热量，/>为第/>个发热量预测子模型输出的元件的元件发热量，/>为第/>个发热量预测子模型对应的权重，/>为第/>个发热量预测子模型对应的误差平方和，/>为第/>个发热量预测子模型对应的误差平方和，/>为发热量预测子模型的总数；
所述基于所述印刷电路板图、所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，确定目标散热方案，包括：
基于所述氮化镓芯片的至少一个目标散热区域及每个所述目标散热区域的发热量，确定约束条件集，其中，所述约束条件集包括每个所述目标散热区域对应的散热元件最多约束及散热元件最少约束；
基于所述约束条件集，生成多种候选散热方案，其中，每个所述目标散热区域对应的散热元件的数量及位置；
建立方案评价体系，基于所述方案评价体系确定每种所述候选散热方案的优先值；
基于每种所述候选散热方案的优先值，从所述多种候选散热方案中确定所述目标散热方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311663429.4A CN117373932B (zh) | 2023-12-06 | 2023-12-06 | 一种基于低功耗氮化镓的芯片制备方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311663429.4A CN117373932B (zh) | 2023-12-06 | 2023-12-06 | 一种基于低功耗氮化镓的芯片制备方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117373932A CN117373932A (zh) | 2024-01-09 |
| CN117373932B true CN117373932B (zh) | 2024-02-23 |
Family
ID=89389602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311663429.4A Active CN117373932B (zh) | 2023-12-06 | 2023-12-06 | 一种基于低功耗氮化镓的芯片制备方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117373932B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101246373A (zh) * | 2008-03-21 | 2008-08-20 | 北京创毅视讯科技有限公司 | 一种对电子设备进行温度控制的系统和方法 |
| CN106814767A (zh) * | 2016-12-30 | 2017-06-09 | 维沃移动通信有限公司 | 一种动态散热的方法及移动终端 |
| CN110673015A (zh) * | 2019-09-28 | 2020-01-10 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 模拟芯片发热功率及表面温度的测试方法 |
| CN112804852A (zh) * | 2019-11-13 | 2021-05-14 | 中兴通讯股份有限公司 | 一种终端主动散热装置、终端和终端主动散热方法 |
| CN114330182A (zh) * | 2021-12-31 | 2022-04-12 | 山石网科通信技术股份有限公司 | 模拟芯片发热的方法、其装置及芯片发热模拟系统 |
| CN115062462A (zh) * | 2022-06-08 | 2022-09-16 | 南京贝迪新材料科技股份有限公司 | 一种超薄散热膜的传热性能智能评估方法及系统 |
| CN115236478A (zh) * | 2022-07-26 | 2022-10-25 | 华南理工大学 | 一种提取氮化镓器件热阻的方法 |
| CN115828650A (zh) * | 2023-02-24 | 2023-03-21 | 广东仁懋电子有限公司 | 一种用于实现氮化镓的电路高频封装方法及系统 |
| CN115935723A (zh) * | 2023-03-10 | 2023-04-07 | 广东仁懋电子有限公司 | 用于实现氮化镓制备场景下的设备组合分析方法及系统 |
| CN115983738A (zh) * | 2023-03-21 | 2023-04-18 | 广东仁懋电子有限公司 | 一种用于提升氮化镓制备效率方法和装置 |
| CN116153883A (zh) * | 2023-04-10 | 2023-05-23 | 广东仁懋电子有限公司 | 一种igbt封装方法及igbt封装结构 |
-
2023
- 2023-12-06 CN CN202311663429.4A patent/CN117373932B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101246373A (zh) * | 2008-03-21 | 2008-08-20 | 北京创毅视讯科技有限公司 | 一种对电子设备进行温度控制的系统和方法 |
| CN106814767A (zh) * | 2016-12-30 | 2017-06-09 | 维沃移动通信有限公司 | 一种动态散热的方法及移动终端 |
| CN110673015A (zh) * | 2019-09-28 | 2020-01-10 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 模拟芯片发热功率及表面温度的测试方法 |
| CN112804852A (zh) * | 2019-11-13 | 2021-05-14 | 中兴通讯股份有限公司 | 一种终端主动散热装置、终端和终端主动散热方法 |
| CN114330182A (zh) * | 2021-12-31 | 2022-04-12 | 山石网科通信技术股份有限公司 | 模拟芯片发热的方法、其装置及芯片发热模拟系统 |
| CN115062462A (zh) * | 2022-06-08 | 2022-09-16 | 南京贝迪新材料科技股份有限公司 | 一种超薄散热膜的传热性能智能评估方法及系统 |
| CN115236478A (zh) * | 2022-07-26 | 2022-10-25 | 华南理工大学 | 一种提取氮化镓器件热阻的方法 |
| CN115828650A (zh) * | 2023-02-24 | 2023-03-21 | 广东仁懋电子有限公司 | 一种用于实现氮化镓的电路高频封装方法及系统 |
| CN115935723A (zh) * | 2023-03-10 | 2023-04-07 | 广东仁懋电子有限公司 | 用于实现氮化镓制备场景下的设备组合分析方法及系统 |
| CN115983738A (zh) * | 2023-03-21 | 2023-04-18 | 广东仁懋电子有限公司 | 一种用于提升氮化镓制备效率方法和装置 |
| CN116153883A (zh) * | 2023-04-10 | 2023-05-23 | 广东仁懋电子有限公司 | 一种igbt封装方法及igbt封装结构 |
Non-Patent Citations (2)
| Title |
|---|
| "基于微喷射流的高功率LED散热方案的数值和实验研究";罗小兵 等;中国科学(E辑:信息科学);20070915;第37卷(第09期);第1194-1204页 * |
| "大功率LED汽车前照灯散热系统设计";王静 等;电子器件;20151020;第38卷(第05期);第1204-1209页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117373932A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3373019B1 (en) | Device and method for online health management of insulated gate bipolar transistor | |
| Ye et al. | Component-level reliability assessment of a direct-drive PMSG wind power converter considering two terms of thermal cycles and the parameter sensitivity analysis | |
| US8682466B2 (en) | Automatic virtual metrology for semiconductor wafer result prediction | |
| Rahimpour et al. | An overview of lifetime management of power electronic converters | |
| KR20180098334A (ko) | 파워 반도체 모듈의 손상 레벨 또는 수명 예측을 추정하는 방법 및 디바이스 | |
| WO2003044852A2 (en) | Estimating reliability of components for testing and quality optimization | |
| KR20200014129A (ko) | 딥러닝을 이용한 변압기 진단 방법 | |
| Rannestad et al. | Converter monitoring unit for retrofit of wind power converters | |
| CN117373932B (zh) | 一种基于低功耗氮化镓的芯片制备方法及系统 | |
| Li et al. | Optimization on thermomechanical behavior for improving the reliability of press pack IGBT using response surface method | |
| US20040036495A1 (en) | Electromigration test structure for detecting the reliability of wiring | |
| Paret et al. | Artificial Intelligence for Power Electronics in Electric Vehicles: Challenges and Opportunities | |
| CN115015723A (zh) | GaN功率器件的状态监测方法、装置、计算机设备和介质 | |
| US20230244585A1 (en) | Method for determining heat-sink contamination by means of artificial intelligence | |
| Hosseinabadi et al. | A Comprehensive Overview of Reliability Assessment Strategies and Testing of Power Electronics Converters | |
| Ghimire | Real time monitoring and wear out of power modules | |
| CN109799454A (zh) | 基于粒子群优化的发电机主绝缘剩余击穿场强预测方法 | |
| CN117074894B (zh) | 基于热反射成像技术的瞬态工况热电特性表征系统和方法 | |
| CN116705725A (zh) | 一种场效应管封装结构及其制造方法 | |
| CN116885667A (zh) | 一种并联隔离变压器智能转换管理系统 | |
| CN116504754A (zh) | 一种半导体组件、压接式功率半导体模块及制造方法 | |
| CN116008785A (zh) | 一种GaAs pHEMT芯片结温测试装置和测试方法 | |
| US20140122005A1 (en) | System and method for generating a yield forecast based on wafer acceptance tests | |
| JP2002368056A (ja) | 歩留まり条件の提供方法、製造条件の決定方法、半導体装置の製造方法、および記録媒体 | |
| Moeini et al. | Enhancement of reliability in condition monitoring techniques in wind turbines |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |