AI图像增强提升倒装芯片互连缺陷检测能力
背景：先进封装缺陷检测面临挑战
随着半导体器件持续小型化、结构复杂化，传统失效分析（FA）方法在先进封装环节面临越来越大的压力。特别是在倒装芯片（flip-chip）的极低K（extreme low K）介质层中，裂纹检测难度显著上升。这类裂纹在行业内常被称为“白凸点”（white bumps），其位置处于后段制程（BEOL）的先进封装架构中，对器件可靠性构成潜在威胁。
核心信息：AI增强扫描声学显微镜图像
来自奥地利莱奥本材料中心（Materials Center Leoben）、PVA TePla以及日月光半导体（Advanced Semiconductor Engineering，ASE）的研究人员，联合发表了题为《AI-Based Image Enhancement Improves Detection of Interconnect Defects in Microelectronic Packaging》的论文。该研究提出一种基于人工智能的图像增强工作流，专门针对扫描声学显微镜（SAM）图像进行优化，以提升上述“白凸点”缺陷的可检测性。
论文摘要指出，传统失效分析方法在检测倒装芯片极低K层裂纹时效果有限，而AI图像增强方案能够改善SAM图像的清晰度和对比度，从而帮助工程人员更准确地识别互连缺陷。该研究发表于《Journal of Failure Analysis and Prevention》，出版时间为2026年10月，论文以开放获取方式发布。
产业链影响：封装测试与失效分析环节
该技术成果落在半导体产业链的封装与测试环节，直接服务于先进封装架构下的失效分析与质量检测。倒装芯片广泛用于高性能计算、AI加速器等高端芯片的封装中，极低K介质层的完整性对信号传输和长期可靠性至关重要。AI辅助的图像增强方法若能在封测厂（OSAT）和晶圆代工（foundry）的失效分析流程中落地，有望提升缺陷检出率、缩短分析周期，并对先进封装良率控制形成支撑。
从更广的视角看，随着先进封装向更高密度、更细间距演进，检测手段也需要同步升级。扫描声学显微镜作为非破坏性检测工具，其图像质量直接决定缺陷判读的准确性。引入AI增强并非替代现有设备，而是在数据后处理层面提升信息提取能力，这对检测设备厂商和封测服务商都具有参考意义。
结语
莱奥本材料中心、PVA TePla与日月光的三方合作，展示了AI在半导体失效分析中的具体应用路径。该研究针对倒装芯片互连缺陷检测这一实际痛点，提出了可落地的图像增强方案，为先进封装的质量保障提供了新的技术选项。
