Physics & AI-based Reliability assessment Lab

전자패키지의 결함 진단과 신뢰성 평가는 현대 전자기기의 성능과 수명을 결정짓는 핵심 요소입니다. 본 연구실은 S-파라미터 패턴 분석, 스미스 차트, 임피던스 모델링 등 다양한 신호 기반 진단 기법을 활용하여 솔더조인트, 구리 인터커넥트, ITO 전극 등 다양한 전자패키지 구성요소의 결함을 비파괴적으로 진단하고 있습니다. 이러한 방법은 기존의 파괴적 검사 방식에 비해 신속하고 효율적으로 결함을 탐지할 수 있어, 산업 현장에서의 적용성이 매우 높습니다.

특히, 결함의 발생 및 진화 과정을 실시간으로 모니터링할 수 있는 센서 및 회로 설계 기술을 개발하여, 전자패키지의 건전성 상태를 정량적으로 평가할 수 있습니다. 예를 들어, 솔더조인트의 균열이 진행될 때 S-파라미터의 공진 주파수 변화와 같은 신호 패턴을 분석함으로써, 결함의 위치와 심각도를 정확하게 파악할 수 있습니다. 이러한 기술은 고성능 반도체, 디스플레이, 센서 등 다양한 응용 분야에서 신뢰성 향상에 기여하고 있습니다.

더불어, 본 연구실은 실제 산업체와의 협력 프로젝트를 통해 제어보드 PCB, 솔더샘플, 박막 등 다양한 시료에 대한 열화 시험 및 수명 예측 연구를 수행하고 있습니다. 이를 통해 연구 결과의 실용성을 높이고, 전자패키지의 품질 및 신뢰성 확보에 중추적인 역할을 하고 있습니다. 

신호 패턴 분석과 인공지능(AI) 기술의 융합은 전자패키지 결함 진단 및 예측의 새로운 패러다임을 제시합니다. 본 연구실은 S-파라미터, 반사계수 등 다양한 신호 데이터를 수집하고, 이를 기반으로 딥러닝(MLP, CNN, Transformer 등) 모델을 적용하여 결함의 원인과 심각도를 동시에 분석하는 연구를 선도하고 있습니다. 이러한 AI 기반 접근법은 노이즈 환경에서도 높은 진단 정확도를 유지하며, 기존의 한계점을 극복할 수 있는 강점을 보유하고 있습니다.

특히, 다채널 신호 데이터를 활용한 앙상블 러닝, 생성형 예측 모델 등 최신 AI 기법을 적용하여, 박막, ITO 전극, 구리 인터커넥트 등 다양한 소재와 구조물의 결함을 조기에 탐지하고, 수명 예측의 정밀도를 높이고 있습니다. 또한, 이미지 생성 모델을 이용한 파라미터 예측 기술을 개발하여, 실험 데이터의 해석 및 결함 진단의 자동화를 실현하고 있습니다.

이러한 연구는 IEEE, 대한기계학회 등 국내외 학술대회와 저널에서 활발히 발표되고 있으며, 실제 산업 현장에 적용 가능한 결함 진단 장치 및 방법에 대한 특허도 다수 출원 및 등록되고 있습니다. 앞으로도 신호 기반 데이터와 AI의 융합을 통해 전자패키지의 신뢰성 평가 및 예측 기술을 지속적으로 고도화할 계획입니다.