機械学習に基づく焼結ダイアタッチ微細構造の孔特徴に関する研究

小さな空洞が重要な理由

電気自動車から再生可能エネルギーのコンバータまで、現代の電力エレクトロニクスは高温・高負荷で稼働します。これらの装置の内部では、半導体チップを金属基板に接合し、熱と電気を伝える薄い接着層が存在します。この層は微視的な孔—小さな空隙—で満ちており、その大きさ、形状、配置は装置の性能や寿命に強く影響します。しかし、どの孔の特徴が実際に重要か、限られた顕微鏡画像からこの隠れた地形をどう読み取るかについてはエンジニアの間で議論が続いています。本研究は、慎重な計測と機械学習を組み合わせることで、接合層の健全性を最もよく表す孔特徴を明らかにしようと試みます。

高温動作するチップと多孔質の接着層

シリコンカーバイドなど新しいワイドバンドギャップ半導体を用いたパワーモジュールは、従来の電子機器よりも高温・高出力で動作します。従来のはんだ接合はこれらの条件で軟化、クリープ、亀裂を生じる可能性があります。有望な代替手段は、ナノサイズの銅粒子を比較的低温で焼結して作る接合です。このプロセスは粒子をスポンジ状の金属層に融合させ、孔が貫通した構造をつくります。これらの孔は強度、熱伝導、長期疲労に影響し、使用中に成長して連結し亀裂に至ることがあります。完全な三次元イメージングは遅く高価なため、エンジニアは主に二次元の断面SEM画像と全体の空隙率などの少数の単純指標に頼っています。問題は、この限られた視点といくつかの基本的尺度で真の構造を正しく判断できるかどうかです。

孔パターンを数値に変える

研究者らは温度、圧力、熱サイクルの4つの異なる組み合わせで銅の焼結接合を作製し、断面の高倍率SEM画像を120枚以上収集しました。画像解析ソフトを用いて、自動的に10万個を超える個々の孔を同定し、孔面積、円形度、近傍までの間隔、近接する固体領域間の「ネック」長さなどの特性を定量しました。これらの孔ごとの測定から、各画像についての統計的記述子を構築しました：孔数、領域の空隙率、孔の密集度、形状が円にどれだけ近いかなど。これにより接合内の小領域ごとに豊かな数値的フィンガープリントが得られました。

乱れたデータに潜む秩序を見つける

これらの数値的フィンガープリントの多くは強く相関していることが分かりました。例えば、孔が多いほど空隙率が高く、孔が密に並ぶほど固体粒子間のネックは短く、ほぼ丸い孔が多い画像は平均円形度も高い、という具合です。これらの関係を数学的に解析することで、特徴は自然に二つの系統に分かれることが示されました：孔の空間的分布を記述するものと形状を記述するものです。次に主成分分析という統計手法を用いて、それぞれの系統を単一の合成スコアに圧縮しました：孔の密度や均一さを要約する「空隙因子」と、輪郭の規則性を要約する「形状因子」です。典型的な孔径と典型的なアスペクト比という二つの単純な指標は補助記述子として残しました。

アルゴリズムに微細構造を判定させる

これら4つの記述子だけを用いて、チームは複数の機械学習モデルを訓練し、各SEM画像がどの処理条件で作られたかを推定させました。接合のごく一部しか見えず、画像ごとに4つの数値しか与えられていなかったにもかかわらず、モデルは80％以上の確率で正しく分類し、ニューラルネットワークでは約90％の精度に達しました。この手法を生の画像から特徴を直接学習する教師なしの深層学習法と比較すると、物理的に意味のある記述子の方が解釈しやすく、実際に性能も良好でした。さらに解析すると、合成された空隙因子と形状因子がモデルの判断に最も大きく寄与しており、孔の数、配置、丸みが処理条件の痕跡を最も明確に刻むことが確認されました。

より良く、長持ちする装置のために

本研究は、微視画像で測定できるすべての細部が同じように有用というわけではないと結論します。むしろ、慎重に選ばれた物理的根拠のある少数の記述子が、焼結多孔構造における意味のある変動の大部分を捉えうることを示しました。エンジニアにとっては、場所によって微細構造が不均一でも、限られた数の十分に解析された断面画像から接合品質の信頼できる像を得ることができるという意味です。これらの記述子は、望ましい強度や熱流を持つ微細構造を設計するための将来の予測モデルや生成モデルの入力や目標にもなり得ます。実務的には、この研究は高出力エレクトロニクスが長年にわたり冷却性、強度、信頼性を維持するかどうかを最終的に左右する孔の隠れたパターンを、より明確かつ効率的に読み取る方法を提供します。

引用: Gao, R., Tatsumi, H., Kobatake, T. et al. Study on pore features in sintered die-attach microstructures based on machine learning. Sci Rep 16, 8803 (2026). https://doi.org/10.1038/s41598-026-39207-x

キーワード: 焼結銅接合, 孔の微細構造, 電力エレクトロニクスの信頼性, 材料分野における機械学習, ダイアタッチ接合