基于多任务学习神经网络的芯片封装材料设计方法及系统

本发明公开了一种基于多任务学习神经网络的芯片封装材料设计方法及系统，包括：对配方数据的类别特征进行标签编码并经可学习的线性嵌入层映射为稠密连续向量，与数值特征拼接得到输入特征向量；构建由共享特征提取网络和多个任务特定输出网络构成的多任务性能预测模型；采用两阶段渐进式训练策略训练可学习的线性嵌入层和模型，第一阶段联合训练嵌入层、共享层和所有任务头并引入梯度平衡机制动态调整损失权重，第二阶段冻结嵌入层和共享层参数仅微调任务头；利用训练完成的嵌入层和模型批量预测多项性能指标，根据约束条件与权重输出最优配方。本发明能在小样本条件下实现多性能高精度同步预测并自动推荐最优配方，显著缩短研发周期。