In our laboratory, the thermo-mechanical behavior of various micro- and nano-scale thin films such as polymers, barrier layers, and alloys is studied. By using a liquid-surface-based platform, thermal-mechanical properties such as strain and coefficient of thermal expansion (CTE) are quantitatively analyzed. Through these investigations, the thermo-mechanical reliability of functional thin-film materials for next-generation devices is intended to be secured.

저희 연구실에서는 폴리머, 봉지막, 합금과 같은 다양한 마이크로·나노 박막의 열·기계거동을 연구합니다. 액체 표면 기반 플랫폼으로 필름의 변형률, 열팽창계수(CTE) 등 열·기계 특성을 정량 분석합니다. 이를 통해 차세대 디바이스용 기능성 박막 소재의 열·기계 신뢰성을 확보하고자 합니다.

We perform finite element(FE) simulations for the improvement of thermo-mechanical reliability in next-generation electronic devices and packaging. The stresses of various flexible and stretchable systems, such as thin-film transistors, OLEDs, and µLEDs, are predicted with precision, and the failure mechanisms are investigated. Based on these studies, structural and process optimizations are conducted, and contributions are made to the development of reliable and high-performance devices.

저희 연구실은 차세대 전자 소자 및 패키징의 열·기계 신뢰성 향상을 위한 응력 시뮬레이션이 가능합니다. 박막 트랜지스터, OLED, µLED 등 다양한 유연·신축성 시스템의 응력을 정밀하게 예측하고 파손 메커니즘을 규명하고 있으며, 이를 기반으로 한 구조 및 공정 최적화로 신뢰성 높은 고성능 소자 개발에 기여합니다.

Structural analysis based on artificial intelligence (deep neural networks) is also utilized for design optimization. Surrogate models trained with simulation and experimental data are employed, and stress-field predictions that required several minutes by conventional simulations can be performed within a few seconds. By this approach, a broad exploration of design space, which was previously difficult, is made possible, and vulnerable regions can be identified at an early design stage. In this way, contributions are made to design automation and optimization for the development of advanced devices.

인공지능(심층신경망) 기반 구조 해석도 설계 최적화에 활용하고 있습니다. 시뮬레이션 및 실험 데이터를 학습한 써로게이트 모델을 활용하여, 기존 시뮬레이션으로는 수 분 이상 소요되던 응력장 예측을 수 초 이내에 수행할 수 있습니다. 이를 통해 기존에는 불가능했던 광범위한 탐색이 가능해져, 차세대 소자 개발 시 취약 영역을 설계 단계에서 조기에 식별하고 설계 자동화 및 최적화에 기여합니다.