Adaptive Bayesian Data-Driven Design of Reliable Solder Joints for Micro-electronic Devices
Leo Guo, Adwait Inamdar, Willem D. van Driel, GuoQi Zhang
与热力学负载故障相关的焊接联合可靠性是一个至关重要但物理上复杂的工程问题。 因此,模拟行为往往在计算上是昂贵的。 在数据驱动日益全球化的世界中,使用高效的数据驱动设计方案是一个受欢迎的选择。 其中,带高斯工艺回归的贝叶斯优化(BO)是最重要的代表之一。 作者认为,计算节省可以通过利用彻底的代理建模和根据多种获取功能选择设计候选者来获得。 这是可行的,因为计算成本相对较低,与昂贵的模拟目标相比。 本文通过提供和实施一个新的启发式框架,在各种优化迭代中使用自适应超参数执行BO,从而解决了相邻文献中的缺点。 随后,当面临合成目标最小化问题时,自适应BO与常规BO进行比较。 结果显示,当比较任何表现最差的常规贝叶斯计划时,适应性BO的效率。 作为工程用例,通过最小化循环热负载下累积的非线性蠕变应变来解决焊料接头可靠性问题。 结果显示,自适应BO优于常规BO 3
Solder joint reliability related to failures due to thermomechanical loading is a critically important yet physically complex engineering problem. As a result, simulated behavior is oftentimes computationally expensive. In an increasingly data-driven world, the usage of efficient data-driven design schemes is a popular choice. Among them, Bayesian optimization (BO) with Gaussian process regression is one of the most important representatives. The authors argue that computational savings can be o...