MIT-spinoutvirksomheden FabuBlox lancerer FabAgent til procesudvikling inden for halvlederteknologi

FabuBlox har lanceret FabAgent, en AI-samarbejdspartner, der skal hjælpe halvlederingeniører med at udvikle, analysere og simulere fremstillingsprocesser, før de afprøves i et renrum. MIT-spinoutvirksomheden kobler agenten til strukturerede procesdesign og viden om produktionsanlæg med det formål at hjælpe ingeniører med at gennemskue de mange afhængigheder, der afgør, om et procesforløb kan fungere.

Virksomhedens centrale pointe er, at procesintelligens skal forstå både fabrikken og processen. En række fremstillingstrin skal passe til udstyret, materialereglerne, procesopskrifterne og driftsgrænserne på det anlæg, hvor processen skal udføres. FabAgents forbindelse til FabuBlox Facility OS skal gøre denne kontekst tilgængelig, når ingeniørerne træffer beslutninger.

Fra procesinstruktioner til en synlig enhedsstruktur

FabAgent indgår i en platform, der allerede organiserer viden om fremstilling. Virksomhedens pakke til procesdesign kombinerer standardiserede procesbeskrivelser, visualisering af tværsnit, simulering af lagstakke, versionsstyring og fælles lagre. Ingeniører kan beskrive deres intentioner med fremstillingen og bruge AI-assistenten til at opbygge procesforløb, konfigurere enkelte trin og undersøge værktøjer og procesopskrifter, samtidig med at de bevarer kontrollen over gennemgangen af den foreslåede proces.

Det visuelle lag giver beslutningerne et fysisk grundlag. FabuBlox oplyser, at virksomhedens strålesporingsalgoritmer simulerer, hvordan de enkelte trin efter hinanden ændrer enhedens lagstak, herunder filmdækning og sidevægsprofiler. Ingeniører kan vælge en snitlinje fra en GDS-layoutfil for at forbinde fremstillingsforløbet med et tværsnit af den tilsigtede enhed. Efterhånden som designet udvikler sig, afspejles ændringer i procesforløbet i visualiseringen.

Kombinationen er nyttig, fordi hvert procestrin ændrer udgangspunktet for de efterfølgende trin. Ved at gennemgå den struktur, der udvikler sig, sammen med instruktionerne kan et team muligvis opdage integrationsproblemer tidligere. Simuleringens nytte afhænger dog fortsat af, hvor præcist parametrene afspejler udstyret og procesforholdene. Derfor er kalibrering og eksperimentelle målinger en vigtig del af den tekniske arbejdsgang.

Facility OS giver agenten kontekst om fabrikken

Facility OS repræsenterer det udstyr og de begrænsninger, der ligger til grund for en proces. Den strukturerede model af produktionsanlægget omfatter værktøjernes funktioner, understøttede ressourcer, materialebegrænsninger, parameterintervaller, procesopskrifter og kalibreringsdata. Ingeniører kan søge i et værktøjsbibliotek, mens AI-understøttet matching skal hjælpe med at finde udstyr, der egner sig til en ønsket proces.

Procesopskrifter er knyttet til bestemte værktøjer og deres karakteriseringsdata. Når opskrifterne udvikler sig, fremhæver platformen ændringerne, så ingeniører kan synkronisere dem selektivt med procesforløb. Dermed bevares sammenhængen mellem en foreslået proces og indstillingerne for det udstyr, der forventes at udføre den, samt udstyrets målte adfærd.

Kontrol med kontaminering er en anden vigtig del af modellen. Facility OS kombinerer materialedefinitioner og oplysninger om lagstakke med værktøjsspecifikke begrænsninger for at understøtte kompatibilitetsvurderinger under planlægningen. En agent, der vurderer en proces, kan derfor tage højde for, om et trin passer til de materialer og den kombination af udstyr, som anlægget tillader, i stedet for at betragte hvert trin som en isoleret instruktion.

Virksomheden beskriver også arbejdsgange til gennemgang af indkomne fremstillingsanmodninger og beregning af omkostninger ud fra konfigurerede procestrin og anlæggets priser. Disse funktioner udvider den samme strukturerede viden til også at omfatte det koordineringsarbejde, der omgiver fremstillingen.

En virksomhed, der udspringer af MIT’s erfaring med fremstilling

FabuBlox udspringer af de udfordringer med videndeling, som grundlæggerne stødte på hos MIT. En biografi fra MIT Microsystems Technology Laboratories fortæller, at Jan Tiepelt og hans medstiftere udviklede platformen i 2023 for at understøtte opbygningen af en fælles database for MIT.nano- og MTL-fællesskabet. Tiepelt færdiggjorde sin ph.d. i elektroteknik ved MIT i maj 2024 efter forskning i nedbrydning af blå OLED’er.

MIT’s Microsystems Technology Laboratories nævner FabuBlox blandt de startups, der er udsprunget af laboratoriets fællesskab. Investoren Pillar VC beskriver grundlæggerteamet som MIT-ph.d.erne Jan Tiepelt og Josh Perozek samt ingeniørerne Jack Muller og Eyal Perry.

Ifølge en MIT-meddelelse fra januar 2025 deltog virksomheden i MIT.nano’s START.nano-program. Programmet støtter virksomheder inden for avanceret teknologi gennem rabat på adgang til faciliteter, teknisk rådgivning og forbindelser til instituttets innovationsnetværk. MIT’s beskrivelse af FabuBlox på det tidspunkt fremhævede virksomhedens grænseflade til procesdesign og GitHub-lignende lagre til organisering af viden om fremstilling.

Denne historie er med til at forklare produktets nuværende retning. Versionsstyrede procesforløb, fælles lagre og strukturerede udstyrsoplysninger giver en AI-assistent en teknisk kontekst at arbejde ud fra, samtidig med at historikken over designets udvikling bevares.

Læring fra wafere med autonome fabrikker på udviklingsplanen

FabuBlox’ tredje platformskomponent, Fab Run Studio, forbinder versioner af procesflow og procesopskrifter med fysiske wafere, udførelsesregistreringer og måleteknik. Virksomheden betegner den som en tidlig betaversion. De beskrevne arbejdsgange omfatter sporing af forgrenede waferforløb og parametersplit, sammenligning af resultater samt brug af waferkort og statistisk proceskontrol til at identificere variationer.

Den tilsigtede feedbacksløjfe forbinder et observeret resultat med den wafer, det forløb, den procesopskrift og det værktøj, der frembragte det. FabAgent kan derefter hjælpe ingeniører med at overveje et revideret procesflow, en opdateret kalibrering eller det næste eksperiment. Det er særligt relevant at holde disse relationer samlet inden for forskning og produktion med stor produktvariation, hvor en proces kan ændres hyppigt.

Branchen som helhed investerer også i kortere læringscyklusser, hvilket blandt andet ses i samarbejdsbaseret forskning og udvikling inden for halvlederprocesser, der bringer materialeteams, udstyrsteams og integrationsteams tættere sammen. FabuBlox tager fat på software- og vidensstyringssiden af denne udfordring.

Deres langsigtede vision rækker videre: Specialiserede agenter inden for områder som litografi, deponering og ætsning skal lære af fysiske resultater og hjælpe med at koordinere eksperimenter og procesændringer. Fab-specifikke verdensmodeller og stadig mere autonom produktion er fortsat udviklingsmål. Facility OS beskriver ligeledes signaler fra udstyr i realtid og prædiktivt vedligehold som en del af sin fremtidige retning.

For ingeniører, der evaluerer FabAgent nu, ligger den umiddelbare mulighed i en samarbejdspartner, der bygger på forståelse af en proces’ struktur og en fabrikationsfacilitets begrænsninger. Næste skridt er at forbinde denne ræsonnering med sporbare forsøgsresultater, så hver produktionskørsel kan danne grundlag for en bedre ingeniørbeslutning.