日期：2023年12月18日
地点：新加坡国立大学设计与工程学院，肯特岗校区
公司：新加坡国立大学
职位描述
新加坡国立大学电气与计算机工程（ECE）系正在寻找一名研究员，以支持具有人工智能（AI）/机器学习（ML）/深度学习（DL）能力的3D-IC封装故障定位和故障分析（FA）技术。
您将与我们的研究人员、学生和教授密切合作，包括来自A*STAR：I2R和IMRE的共同调查员，以及几个行业合作伙伴，以了解并从科学实验和数据中得出见解。
成功的候选人将协助研究，实现容差变化和技术无关的ML引导系统，以实现FA过程时间减少10倍或更多；从需要数周/数月的故障识别减少到几小时。这反过来可以快速识别和解决问题，加快上市时间，提高产量和生产力。
职责包括：
1. 开发磁场成像（MFI）工作流程，并与锁相热像法（LIT）进行相关研究。
2. 开发ML算法以指导MFI数据处理。
3. 开发ML算法以捕捉3D-IC缺陷的X射线图像。
4. 开发ML算法以提取特征并识别缺陷。
5. 开发3D-IC前向预测模型（即包括芯片和电路模块）和ML特征集，与MFI工具界面集成。
6. 领导研究文章发表和发明披露。
7. 领导新设备的采购和投入使用。
8. 承担多个设备的超级用户角色（拥有和维护），并担任安全领导角色。
9. 为新用户提供培训和认证。
（有兴趣的申请者应通过电子邮件将其个人简历发送至eleykl@nus.edu.sg）。
资格要求
• 优先考虑在知名大学/研究所获得电气、电子、机械、化学工程、物理、材料科学或等同学位的博士学位，或具有相关经验的同等学历。
• 具有微电子研究、表征、计量、电气测试、FA经验并擅长数据分析的候选人将具有优势。具备AI/ML/DL开发和TCAD建模知识。
• 强大的分析和解决问题的能力。
• 积极主动，并具备有效的沟通能力，包括写作和演讲。
• 能够独立工作并在多元化团队中合作。
• 愿意签订固定期限合同。
更多信息
地点：肯特岗校区
组织：设计与工程学院
系：电气与计算机工程
员工推荐资格：否
职位申请ID：23132 
新加坡