一种面向封装芯片翘曲的预测补偿方法、终端及存储介质

本发明属于芯片封装技术领域，具体涉及一种面向封装芯片翘曲的预测补偿方法、终端及存储介质，包括构建深度学习代理模型，将训练数据集及仿真翘曲形变量输入深度学习代理模型进行训练，得到收敛的翘曲预测模型；设定目标封装结构的初始设计参数，将初始设计参数输入翘曲预测模型，输出预测翘曲形变量；本发明通过采集包含几何参数、材料热机械属性及实测翘曲形变量的历史样本数据，并结合有限元仿真对训练数据集进行扩充，再利用深度学习构建可高效映射“结构‑材料‑翘曲”非线性关系的代理模型，避免了依靠多次实物试制来获知翘曲状态的弊端，显著缩短开发周期、降低试错成本与材料浪费。