半導体業界における急速な技術革新により、パッケージング材料に求められる性能要件が再定義されつつあり、革新的な材料の発見と設計戦略が不可欠となっています。物理学とAI／MLを活用した予測モデリングは、スケーラブルなソリューションを提供し、材料研究開発チームが初期段階でより多くの候補材料を評価し、高性能な材料をより迅速に発見することを可能にします。

本ウェビナーでは、「予測ファースト」アプローチの重要な要素である、ポリマー包装材料の主要な特性を予測するための最先端の計算ワークフローについて解説します。量子力学、原子レベルシミュレーション、AI/MLの役割に焦点を当て、初心者から専門家まで幅広く効果的に活用できる統合ワークフローに重点を置いて紹介します。本セッションでは、電子パッケージング材料における予測ワークフローの有効性を実証し、以下の事例研究を取り上げます：

• 性能予測：絶縁性ポリイミドの誘電特性（Dk、Df）および熱物理的特性（Tg、CTE）
• 信頼性の評価：エポキシ成形用樹脂化合物 における吸水性