基于机器学习和跨尺度迭代耦合的器件电热应力提取方法

本发明公开了一种基于机器学习和跨尺度迭代耦合的器件电热应力提取方法，包括1、确定参数范围；2、提供参数数值给器件级电学计算工具与封装‑系统级热学计算工具；3、器件级电学计算；4、器件电热应力输出与判断；5、功率损耗计算；6、封装‑系统级热学计算；7、器件‑封装‑系统级电热耦合计算；8、机器学习模型选取与训练；9、器件电热应力预测。本发明提供的跨尺度迭代耦合技术模拟半导体器件实际工作状态下的动态电热耦合效应，显著提高器件电热应力计算精确度。同时通过机器学习辅助计算，实现从半导体器件‑封装‑系统级结构参数、电激励参数、工作时间及环境温度到器件电热应力的预测过程，具有准确性高、计算速度快等优点。