基于物理特征的溶质偏析能高效机器学习研究.pdf

基于物理特征的溶质偏析能高效机器学习研究.pdf

  1. 1、本文档共61页,其中可免费阅读20页,需付费100金币后方可阅读剩余内容。
  2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
  3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

摘要

摘要

宽禁带半导体(如SiC、GaN)能在高温下长时间工作很大程度上依赖于封装技术

以及封装材料的选用。纳米银烧结和铜烧结是目前常用的高温应用芯片焊接技术。在

烧结时加入一定微量元素可以发生溶质偏析,加快烧结速度,减少烧结时间,提高烧

结致密度和封装质量。溶质偏析趋势由偏析能决定,机器学习作为当前材料科学研究

的热门手段,可以对溶质偏析能进行深入研究。目前只有少数相关研究,这些研究将

任何可能的特征放在一起,以包括尽可

文档评论(0)

136****6583 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:7043055023000005

1亿VIP精品文档

相关文档