ICEP-HBS 2026匯聚全球產學研界的頂尖智慧，吸引超過900位跨國產業專家、學者與工程師齊聚一堂，大會共規劃 35場技術分組，並創紀錄發表逾280篇口頭與海報論文，技術重點全面聚焦於下世代晶片的核心技術

 由ICEP-HBS 2026看先進封裝技術最新進展

國際電子封裝會議暨混合鍵合研討會(International Conference on Electronics Packaging Joined with Hybrid Bonding Symposium)，是日本在電子封裝領域規模最大的國際學術會議。ICEP-HBS 2026匯聚全球產學研界的頂尖智慧，吸引超過900位跨國產業專家、學者與工程師齊聚一堂，大會共規劃 35場技術分組，並創紀錄發表逾280篇口頭與海報論文，技術重點全面聚焦於下世代晶片的核心技術：晶片混成接合、先進封裝與異質整合及系統最佳化。在2026 ICEP之中，Adeia、imec、EVG、TEL、Sony及陽明交通大學(NYCU)皆聚焦於Hybrid Bonding技術之發展，顯示其已成為先進封裝與3D整合的核心關鍵。Hybrid Bonding主要透過Cu-Cu金屬直接鍵結與介電層 ---《本文節錄自「材料最前線」專欄（作者：蕭志誠 / 工研院電光所），更多資料請點選 MORE 瀏覽》

 機器學習模型探索耐火高熵合金

耐火高熵合金因具高熔點、高溫強度與熱穩定性，被視為極端環境結構材料的重要候選。然而，其龐大成分空間與複雜的成分—製程—性能關係，使傳統試誤法成本高且效率有限。近年來，人工智慧與機器學習逐漸應用於材料設計，可整合文獻資料、實驗結果、熱力學計算與物理描述特徵，協助快速篩選候選合金並解析設計趨勢。本文回顧機器學習在耐火高熵合金設計中的應用，包括相形成預測、力學性能設計、多目標最佳化與高溫氧化預測，並以本團隊建立的高溫氧化模型為例，說明資料庫建置、GBDT模型、SHAP分析與實驗驗證之整合流程。此外，本文亦介紹導入Pilling–Bedworth Ratio (PBR)作為氧化物理描述特徵的模型設計，展現物理資訊機器學習於氧化合金設計中的潛力  ---《本文節錄自「工業材料雜誌」475期，更多資料請點選 MORE 瀏覽》