半导体 行业的创新步伐日新月异，正在重新定义对包装材料的性能要求，因此制定一套创新的材料发现与设计策略至关重要。由物理学和人工智能/机器学习（AI/ML）驱动的预测建模 提供了一种可扩展的解决方案，使材料研发团队能够提前测试更多候选材料，并更快地发现高性能材料。

在本场网络研讨会中，我们将介绍用于预测聚合物封装材料关键性能的最先进计算工作流程，这是“预测优先”方法的一个关键环节。我们将重点介绍量子力学(QM) 、原子级模拟 以及人工智能/机器学习（AI/ML）的作用，并着重介绍集成式 工作流程——该流程无论对初学者还是专家而言，都能有效应用。本次研讨会将演示预测性工作流程对电子封装材料的影响，并重点介绍以下案例研究：

• 性能预测：绝缘聚酰亚胺的介电性能（Dk、Df）和热物理性能（Tg、CTE）
• 可靠性评估：环氧模塑化合物树脂的吸水率