本报告基于一篇发表于2026年IEEE第76届电子元器件与技术会议（2026 IEEE 76th Electronic Components and Technology Conference, ECTC）的原创研究论文。论文题为“StressScore: Evaluating AI Predicted Stress Contours in Advanced Packaging with Contrastive Learning”。作者为Kart Leong Lim和Thanmaya Bharadwaj Puvvada，均来自新加坡科技研究局（Agency for Science, Technology and Research, A*STAR）下属微电子研究所（Institute of Microelectronics, IME）。

该研究属于先进半导体封装领域的计算力学与人工智能交叉方向。随着异构集成（heterogeneous integration）中多芯片、多材料及互连结构在日益紧凑的空间内组装，热机械应力（thermo-mechanical stress）对长期可靠性的影响变得至关重要。在芯片设计早期阶段，准确预测截面层（如overmold、redistribution layer、underfill）上的应力等值线分布已成为关键需求。已有研究提出将设计条件（芯片尺寸、芯片间隙、环氧模塑料热膨胀系数、环氧模塑料杨氏模量）映射到对应应力等值线图像的生成模型。然而，传统评价指标如平方差之和（Sum of Squared Differences, SSD）或结构相似性指数（Structural Similarity Index, SSIM）依赖参考图像，无法在缺乏真实应力图像时验证生成结果是否在语义层面与输入条件一致。该研究的核心目标是提出一种无参考、模态感知的评价指标，用于可靠评估AI生成的应力等值线是否忠实反映设计参数。

该研究的主要方法流程包括四个紧密关联的步骤：条件输入的特征扩展、双编码器嵌入空间构建、对比学习训练以及基于相似度矩阵的评价验证。第一步，由于条件向量xt的原始维度为4（emc模量、emc热膨胀系数、芯片尺寸、间隙尺寸），属于低维输入，为避免条件编码器在映射到高维嵌入空间时出现过拟合问题，作者采用多项式展开将条件向量映射到非线性特征空间，使得展开后维度d大于目标嵌入维度z。第二步，构建两个多层感知机（Multilayer Perceptron, MLP）编码器，分别处理图像向量xi和条件向量xt，将其投影到同一嵌入空间，得到图像嵌入vi与条件嵌入vt。两个编码器的隐藏层和输出层均使用tanh激活函数。第三步，采用带间隔（margin）的对比损失函数联合训练两个编码器。损失函数由正样本对项和负样本对项组成：正样本对损失为1减去余弦相似度，用于拉近匹配的条件-图像对；负样本对损失为λ乘以max(0, cos(vi, vt)−α)，用于推远不匹配的样本对。其中α为间隔阈值，在训练过程中从αmin线性增加到αmax。负样本对采用难负样本挖掘（hard negative mining）策略，即从当前小批量中选择与锚点图像嵌入余弦相似度最高的非对应条件嵌入作为难负样本。权重更新采用近似梯度方法，正样本对同时更新条件编码器和图像编码器，负样本对仅更新图像编码器。第四步，在IME数据集上对四种生成模型进行评估：变分自编码器（Variational Autoencoder, VAE）、生成对抗网络（Generative Adversarial Network, GAN）、条件变分自编码器（Conditional VAE, CVAE）以及边界条件解码网络（Boundary-condition Decoder Net, BDNet）。数据集包含1500个训练样本和325个测试样本，对应双芯片先进封装结构。评估时计算条件嵌入与图像嵌入之间的余弦相似度矩阵，对角线元素为正样本对相似度，非对角线元素为负样本对相似度。评价指标包括recall@k（k=1、5、10）、平均精度均值（mean Average Precision, mAP）、正样本对平均相似度及负样本对平均相似度。

实验在overmold、underfill和redistribution layer三个封装层上分别进行。在overmold层，BDNet在StressScore矩阵下取得recall@1为0.69、recall@10为1.00、mAP为0.83，正样本对平均相似度为0.97±0.03，负样本对平均相似度为0.21±0.45。GAN、CVAE和VAE的recall@1分别为0.34、0.32和0.14，mAP分别为0.54、0.49和0.33。SSIM矩阵显示BDNet的负样本对平均相似度为0.76±0.10，显著高于StressScore的0.21±0.45。在underfill层，BDNet的StressScore recall@1为0.70、mAP为0.81，负样本对平均相似度为0.33±0.63；SSIM的负样本对平均相似度为0.88±0.06。在redistribution layer层，BDNet的StressScore recall@1为0.80、mAP为0.87，负样本对平均相似度为0.58±0.42；SSIM负样本对平均相似度为0.93±0.03。综合三个层的结果，BDNet在所有方法中始终取得最高recall@k和mAP，GAN和CVAE次之，VAE表现最差。在正样本对相似度方面，SSIM普遍给出更高的绝对值，例如BDNet在overmold层达到1.00±0.00，而StressScore仅为0.97±0.03；但这种高相似度并未转化为更优的recall@k或mAP。在负样本对分布上，SSIM在overmold层对VAE和CVAE等较弱模型仍给出0.76至0.79的高负样本相似度，而StressScore仅为0.21至0.24。在underfill层和redistribution layer层，SSIM负样本对相似度进一步升高，普遍超过0.85甚至达到0.93，而StressScore的负样本对相似度尽管有所上升，但始终显著低于SSIM。负样本对相似度分布直方图显示，SSIM负样本对的得分集中在高值区间，呈现尖峰分布，表明大量不匹配样本被赋予高相似度；StressScore负样本对得分分布更为均匀，仅在underfill和redistribution layer层的高分区间出现小幅上升，但其幅度远低于SSIM。这一结果表明StressScore在负样本对判别能力上显著优于SSIM，尤其在封装层复杂度增加时，SSIM的判别能力几乎失效，而StressScore仍能保持对模型质量的敏感性。

该研究的结论指出，StressScore作为一种无参考、模态感知的评价指标，从两个方面解决了像素级指标（如SSIM或SSD）及统计指标（如R²或RMSE）的局限性。第一，它消除了测试阶段对真实应力图像的需求，仅依赖设计条件与AI生成应力图像之间的语义一致性进行评价。第二，它特别关注负样本对相似度分布，而传统指标通常只考察正样本对相关性，忽略负样本对的得分分布。一个好的评价器不应当对条件明显不同的真实图像和AI生成图像赋予高相似度。StressScore为先进封装中的应力分布评估提供了更有意义的度量方式，其架构支持精确应力预测，并可扩展到翘曲分析，为异构集成中的关键可靠性挑战提供了统一评估框架。

该研究的亮点体现在三个方面。其一，提出了一种专门针对先进封装应力等值线评价的无参考度量，将评价问题重新定义为跨模态对齐问题，而非图像重建问题。其二，在对比学习框架中引入多项式特征扩展与难负样本挖掘，解决了低维条件向量到高维嵌入空间映射中的过拟合与判别能力不足问题。其三，通过负样本对相似度分析揭示了SSIM在复杂封装层中判别能力崩溃的现象，证明了语义级评价在应力等值线评估中的必要性。此外，研究还提供了BDNet、GAN、VAE和CVAE四种生成模型的详细架构描述及其在应力图像生成任务中的训练与推理流程，为后续研究提供了可复现的基准。