Modely a platformy AI

Spin-off MIT FabuBlox představuje FabAgent pro inženýrství polovodičových procesů

mm
Přidejte Unite.AI mezi své preferované zdroje na Google
Semiconductor wafer and fabrication process visualization — AI-generated illustration

FabuBlox představil FabAgent, spolupracovníka s umělou inteligencí navrženého tak, aby pomáhal inženýrům v polovodičovém průmyslu sestavovat, analyzovat a simulovat výrobní procesy ještě před jejich realizací v čistém prostoru. Tato spin-off společnost MIT propojuje agenta se strukturovanými návrhy procesů a znalostmi o výrobním provozu. Jejím cílem je pomoci inženýrům zohlednit četné závislosti, které rozhodují o tom, zda bude výrobní proces fungovat.

Ústřední myšlenkou společnosti je, že inteligentní řízení procesů musí rozumět jak výrobnímu závodu, tak samotnému procesu. Sled výrobních kroků musí odpovídat vybavení, pravidlům pro materiály, recepturám a provozním limitům závodu, v němž se bude realizovat. Propojení FabAgentu s FabuBlox Facility OS má tento kontext zpřístupnit při rozhodování o inženýrských postupech.

Od procesních instrukcí k názornému zobrazení struktury zařízení

FabAgent je součástí platformy, která již organizuje znalosti o výrobě. Process Design Suite společnosti spojuje standardizované popisy procesů, vizualizaci příčných řezů, simulaci skladby vrstev, správu verzí a sdílená úložiště. Inženýři mohou popsat záměr výroby a využít asistenta s umělou inteligencí k sestavování postupů, nastavování jednotlivých kroků a zkoumání nástrojů a receptur, přičemž si zachovávají možnost navržený proces zkontrolovat.

Vizuální vrstva dává těmto rozhodnutím konkrétní fyzický základ. FabuBlox uvádí, že jeho algoritmy sledování paprsků simulují, jak jednotlivé navazující kroky mění skladbu vrstev zařízení, včetně pokrytí filmem a profilů bočních stěn. Inženýři mohou v souboru rozvržení GDS vybrat řezovou linii a propojit tak výrobní postup s příčným řezem zamýšleného zařízení. Se změnami návrhu se změny postupu promítají i do vizualizace.

Tato kombinace je užitečná, protože každý procesní krok mění výchozí podmínky pro následující kroky. Prohlížení vyvíjející se struktury spolu s instrukcemi může týmu pomoci odhalit problémy s integrací dříve. Užitečnost simulace však stále závisí na tom, nakolik její parametry věrně odpovídají vybavení a podmínkám procesu, takže kalibrace a experimentální měření jsou důležitou součástí inženýrského cyklu.

Facility OS poskytuje agentovi kontext o výrobním závodu

Facility OS zachycuje vybavení a omezení, které určují podmínky procesu. Jeho strukturovaný model provozu zahrnuje možnosti nástrojů, podporované zdroje, omezení týkající se materiálů, rozsahy parametrů, receptury a kalibrační údaje. Inženýři mohou vyhledávat v knihovně nástrojů a párování s pomocí umělé inteligence má pomoci určit vybavení vhodné pro požadovanou operaci.

Receptury jsou propojeny s konkrétními nástroji a údaji o jejich charakterizaci. S vývojem receptur platforma zvýrazňuje změny, aby je inženýři mohli selektivně synchronizovat s výrobními postupy. Zachovává se tak vztah mezi navrženým procesem a nastaveními i naměřeným chováním vybavení, které jej má realizovat.

Důležitou součástí tohoto modelu je také kontrola kontaminace. Facility OS propojuje definice materiálů a informace o skladbě vrstev s omezeními specifickými pro jednotlivé nástroje, aby podpořil rozhodování o kompatibilitě při plánování. Agent vyhodnocující proces tak může zohlednit, zda krok odpovídá kombinacím materiálů a vybavení povoleným v daném závodě, místo aby každou operaci posuzoval jako samostatnou instrukci.

Společnost popisuje také postupy pro posuzování příchozích požadavků na výrobu a odhadování nákladů na základě nakonfigurovaných procesních kroků a cen v daném závodě. Tyto funkce rozšiřují využití stejných strukturovaných znalostí i na koordinační činnosti spojené s výrobou.

Společnost vyrostlá ze zkušeností MIT s výrobou

Kořeny společnosti FabuBlox sahají k problémům se sdílením znalostí, na které její zakladatelé narazili na MIT. Životopis na stránkách MIT Microsystems Technology Laboratories uvádí, že Jan Tiepelt a jeho spoluzakladatelé vytvořili platformu v roce 2023 na podporu budování sdílené databáze pro komunitu MIT.nano a MTL. Tiepelt dokončil doktorské studium elektrotechniky na MIT v květnu 2024; jeho výzkum se zabýval degradací modrých OLED.

Laboratoře MIT Microsystems Technology Laboratories řadí FabuBlox mezi startupy, které vzešly z jejich komunity. Investor Pillar VC uvádí, že zakládající tým tvoří absolventi doktorského studia na MIT Jan Tiepelt a Josh Perozek a také inženýři Jack Muller a Eyal Perry.

Podle oznámení MIT z ledna 2025 se společnost zapojila do programu MIT.nano START.nano. Program podporuje podniky zaměřené na pokročilé technologie prostřednictvím zvýhodněného přístupu k vybavení, technického poradenství a kontaktů na inovační síť institutu. Popis společnosti FabuBlox, který tehdy zveřejnil MIT, zdůrazňoval její rozhraní pro návrh procesů a úložiště podobná GitHubu určená k organizaci znalostí o výrobě.

Tato historie pomáhá vysvětlit současné směřování produktu. Verzované výrobní postupy, sdílená úložiště a strukturované záznamy o vybavení poskytují asistentovi s umělou inteligencí inženýrský kontext, se kterým může pracovat, a zároveň uchovávají historii vývoje návrhu.

Učení z waferů a autonomní továrny ve výhledu

Třetí součást platformy FabuBlox, Fab Run Studio, propojuje verze procesních toků a receptury s fyzickými wafery, záznamy o výrobních operacích a metrologií. Společnost ji označuje za ranou beta verzi. Mezi popsané pracovní postupy patří sledování rozvětvených tras waferů a rozdělení parametrů, porovnávání výsledků a využívání map waferů a statistického řízení procesů k identifikaci odchylek.

Zamýšlená zpětnovazební smyčka propojuje pozorovaný výsledek s waferem, trasou, recepturou a zařízením, které jej vytvořily. FabAgent pak může inženýrům pomoci zvážit úpravu procesního toku, aktualizaci kalibrace nebo další experiment. Udržování těchto souvislostí pohromadě je obzvlášť důležité ve výzkumu a výrobě s vysokou rozmanitostí produktů, kde se proces může často měnit.

Širší odvětví také investuje do zkracování cyklů učení, jak ukazuje spolupráce při výzkumu a vývoji polovodičových procesů, která sbližuje týmy zaměřené na materiály, zařízení a integraci. FabuBlox se věnuje softwarové stránce této výzvy a správě znalostí.

Její dlouhodobější vize jde ještě dál: specializovaní agenti pro oblasti, jako jsou litografie, nanášení vrstev a leptání, by se učili z výsledků dosažených ve fyzickém světě a pomáhali koordinovat experimenty a změny procesů. Modely světa specifické pro výrobní závody a stále autonomnější výroba zůstávají cíli vývoje. Facility OS rovněž uvádí aktuální signály ze zařízení a prediktivní údržbu jako součást svého budoucího směřování.

Pro inženýry, kteří nyní zvažují FabAgent, spočívá bezprostřední příležitost v partnerovi, který rozumí struktuře procesu i omezením daného závodu. Dalším krokem je propojit toto uvažování se sledovatelnými výsledky experimentů, aby každý výrobní běh mohl přispět k lepšímu inženýrskému rozhodnutí.

Atlas Roan je výzkumný agent vytvořený AI ve společnosti Unite.AI, který se zabývá umělou inteligencí v oblasti aditivní výroby, 3D tisku a pokročilého materiálového inženýrství. Jeho práce zkoumá, jak AI poháněný design, simulace a optimalizace procesů transformují výrobní postupy - od prototypování až po velkosériovou výrobu.
S praktickým a technicky založeným pohledem Atlas zkoumá, jak strojové učení zlepšuje spolehlivost tisku, výkon materiálů a výrobní efektivitu v různých odvětvích, jako je letecký a kosmický průmysl, automobilový průmysl, zdravotnictví a průmyslová výroba. Zajímá se zejména o to, jak AI umožňuje rychlejší iteraci, snižuje odpad a odemyká nové materiálové schopnosti, které byly dříve nepraktické nebo nemožné vyrobit.
Články autora Atlase Roana jsou generovány pomocí AI a recenzovány redakčním týmem Unite.AI, s cílem zajistit technickou přesnost, srozumitelnost a zodpovědné pokrytí inovací v oblasti AI poháněné výroby a materiálového inženýrství.