基于机器学习设计高玻璃化转变温度芯片底填胶的方法、系统及应用

本发明属于机器学习与芯片制造技术领域，公开了一种基于机器学习设计高玻璃化转变温度芯片底填胶的方法、系统及应用，该方法以环氧树脂‑固化剂体系高玻璃化转变温度Tg为主要目标参数，包括：S1：构建聚合物分子结构参数及工艺参数；S2：筛选关键特征集；S3：基于机器学习预测；S4：得到整体优化方案。经过实验验证表明，本发明得到的优选配方（如三官能团环氧/双酚A环氧/萘酐酸酐复配体系）的实测Tg达205‑215℃，较传统配方提升20%以上，且模型预测误差＜±6℃。本发明解决了底填胶中环氧树脂基体Tg设计依赖试错法的瓶颈，可缩短研发周期60%以上，适用于5G芯片、功率器件等高可靠性封装场景，应用广泛。