반도체 산업의 급속한 혁신 속도는 패키징 소재에 대한 성능 요구 사항을 재정의하고 있으며, 이에 따라 혁신적인 소재 발굴 및 설계 전략이 필수적입니다. 물리학과 AI/ML을 기반으로 한 예측 모델링은 확장 가능한 솔루션을 제공하여, 소재 연구개발 팀이 초기 단계에서 더 많은 후보 물질을 테스트하고 고성능 소재를 더 빠르게 발굴할 수 있도록 지원합니다.

이번 웨비나에서는 “예측 우선(predict-first)” 접근법의 핵심 요소인 고분자 패키징 소재의 주요 특성을 예측하기 위한 최첨단 계산 워크플로우를 다룰 예정입니다. 양자역학, 원자 수준 시뮬레이션, AI/ML의 역할을 중점적으로 살펴보며, 초보자부터 전문가까지 누구나 효과적으로 활용할 수 있는 통합 워크플로우에 초점을 맞출 것입니다. 이번 세션에서는 전자 패키징 소재에 대한 예측 워크플로우의 효과를 시연하며, 다음과 같은 사례 연구를 소개할 예정입니다:

• 성능 예측: 절연성 폴리이미드의 유전 특성(Dk, Df) 및 열물리적 특성(Tg, CTE)
• 신뢰성 평가: 에폭시 몰드 컴파운드 수지의 수분 흡수량