Η τεχνοβλαστός του MIT FabuBlox παρουσιάζει το FabAgent για τη μηχανική διεργασιών ημιαγωγών

Η FabuBlox παρουσίασε το FabAgent, έναν συνεργάτη τεχνητής νοημοσύνης σχεδιασμένο να βοηθά τους μηχανικούς ημιαγωγών να σχεδιάζουν, να αναλύουν και να προσομοιώνουν διεργασίες κατασκευής πριν από την εκτέλεσή τους σε καθαρό χώρο. Η εταιρεία-τεχνοβλαστός του MIT συνδέει τον συγκεκριμένο πράκτορα με δομημένα σχέδια διεργασιών και γνώσεις για τις εγκαταστάσεις, με στόχο να βοηθήσει τους μηχανικούς να εξετάζουν τις πολλές αλληλεξαρτήσεις που καθορίζουν αν μια ροή κατασκευής θα λειτουργήσει.

Η βασική θέση της εταιρείας είναι ότι η νοημοσύνη διεργασιών πρέπει να κατανοεί τόσο τη μονάδα παραγωγής όσο και τη διεργασία. Μια ακολουθία βημάτων κατασκευής πρέπει να είναι συμβατή με τον εξοπλισμό, τους κανόνες για τα υλικά, τις συνταγές και τα λειτουργικά όρια της εγκατάστασης όπου θα εκτελεστεί. Η σύνδεση του FabAgent με το FabuBlox Facility OS αποσκοπεί στο να παρέχει αυτό το πλαίσιο κατά τη λήψη μηχανικών αποφάσεων.

Από τις οδηγίες διεργασιών στην οπτική απεικόνιση της δομής μιας συσκευής

Το FabAgent εντάσσεται σε μια πλατφόρμα που ήδη οργανώνει τη γνώση γύρω από την κατασκευή. Η εταιρεία συνδυάζει στη Σουίτα Σχεδιασμού Διεργασιών τυποποιημένες περιγραφές διεργασιών, απεικόνιση διατομών, προσομοίωση της διάταξης των στρωμάτων, έλεγχο εκδόσεων και κοινόχρηστα αποθετήρια. Οι μηχανικοί μπορούν να περιγράψουν τον επιδιωκόμενο τρόπο κατασκευής και να χρησιμοποιήσουν τον βοηθό τεχνητής νοημοσύνης για να δημιουργήσουν ροές διεργασιών, να διαμορφώσουν μεμονωμένα βήματα και να εξερευνήσουν εργαλεία και συνταγές, διατηρώντας παράλληλα τη δυνατότητα να ελέγχουν την προτεινόμενη διεργασία.

Το οπτικό επίπεδο προσφέρει ένα φυσικό σημείο αναφοράς για αυτές τις αποφάσεις. Η FabuBlox αναφέρει ότι οι αλγόριθμοί της για την ιχνηλάτηση ακτίνων προσομοιώνουν τον τρόπο με τον οποίο διαδοχικά βήματα μεταβάλλουν τη διάταξη των στρωμάτων της συσκευής, συμπεριλαμβανομένης της κάλυψης των υμενίων και των προφίλ των πλευρικών τοιχωμάτων. Οι μηχανικοί μπορούν να επιλέξουν μια γραμμή τομής από ένα αρχείο διάταξης GDS, ώστε να συνδέσουν την ακολουθία κατασκευής με μια διατομή της συσκευής που σχεδιάζεται. Καθώς εξελίσσεται ο σχεδιασμός, οι αλλαγές στη ροή διεργασιών αποτυπώνονται στην απεικόνιση.

Ο συνδυασμός αυτός είναι χρήσιμος, επειδή κάθε βήμα μιας διεργασίας αλλάζει τις αρχικές συνθήκες για τα επόμενα βήματα. Η παράλληλη εξέταση της εξελισσόμενης δομής και των οδηγιών μπορεί να βοηθήσει μια ομάδα να εντοπίσει νωρίτερα προβλήματα ενσωμάτωσης. Ωστόσο, η χρησιμότητα της προσομοίωσης εξακολουθεί να εξαρτάται από το πόσο πιστά οι παράμετροί της αποτυπώνουν τον εξοπλισμό και τις συνθήκες της διεργασίας, γεγονός που καθιστά τη βαθμονόμηση και τις πειραματικές μετρήσεις σημαντικό μέρος του κύκλου μηχανικού σχεδιασμού.

Το Facility OS παρέχει στον πράκτορα πληροφορίες για τη μονάδα παραγωγής

Το Facility OS αποτυπώνει τον εξοπλισμό και τους περιορισμούς που διέπουν μια διεργασία. Το δομημένο μοντέλο της εγκατάστασης περιλαμβάνει τις δυνατότητες των εργαλείων, τους υποστηριζόμενους πόρους, τους περιορισμούς ως προς τα υλικά, τα εύρη τιμών παραμέτρων, τις συνταγές και τα δεδομένα βαθμονόμησης. Οι μηχανικοί μπορούν να αναζητούν σε μια βιβλιοθήκη εργαλείων, ενώ η αντιστοίχιση με τη βοήθεια τεχνητής νοημοσύνης έχει σχεδιαστεί για να εντοπίζει εξοπλισμό κατάλληλο για μια ζητούμενη εργασία.

Οι συνταγές συνδέονται με συγκεκριμένα εργαλεία και τα δεδομένα χαρακτηρισμού τους. Καθώς οι συνταγές εξελίσσονται, η πλατφόρμα επισημαίνει τις αλλαγές, ώστε οι μηχανικοί να μπορούν να τις συγχρονίζουν επιλεκτικά με τις ροές διεργασιών. Έτσι διατηρείται η σύνδεση ανάμεσα σε μια προτεινόμενη διεργασία και στις ρυθμίσεις και τη μετρούμενη συμπεριφορά του εξοπλισμού που αναμένεται να την εκτελέσει.

Ο έλεγχος της επιμόλυνσης αποτελεί επίσης σημαντικό μέρος αυτού του μοντέλου. Το Facility OS συνδυάζει ορισμούς υλικών και πληροφορίες για τη διάταξη των στρωμάτων με περιορισμούς ειδικούς για κάθε εργαλείο, ώστε να υποστηρίζει τις αποφάσεις συμβατότητας κατά τον σχεδιασμό. Έτσι, ένας πράκτορας που αξιολογεί μια διεργασία μπορεί να εξετάσει αν ένα βήμα είναι συμβατό με τους επιτρεπόμενους συνδυασμούς υλικών και εξοπλισμού της εγκατάστασης, αντί να αντιμετωπίζει κάθε εργασία ως μεμονωμένη οδηγία.

Η εταιρεία περιγράφει επίσης ροές εργασίας για την αξιολόγηση εισερχόμενων αιτημάτων κατασκευής και την εκτίμηση του κόστους με βάση τα διαμορφωμένα βήματα διεργασίας και τις τιμές της εγκατάστασης. Αυτές οι δυνατότητες επεκτείνουν την ίδια δομημένη γνώση και στις εργασίες συντονισμού που πλαισιώνουν την κατασκευή.

Μια εταιρεία που γεννήθηκε από την εμπειρία του MIT στην κατασκευή

Οι ρίζες της FabuBlox βρίσκονται στα προβλήματα διαμοιρασμού γνώσης που αντιμετώπισαν οι ιδρυτές της στο MIT. Σύμφωνα με ένα βιογραφικό των MIT Microsystems Technology Laboratories, ο Jan Tiepelt και οι συνιδρυτές του δημιούργησαν την πλατφόρμα το 2023 για να υποστηρίξουν τη δημιουργία κοινόχρηστης βάσης δεδομένων για την κοινότητα του MIT.nano και των MTL. Ο Tiepelt ολοκλήρωσε το διδακτορικό του στην ηλεκτρολογία στο MIT τον Μάιο του 2024, έπειτα από έρευνα σχετικά με την υποβάθμιση μπλε OLED.

Τα Microsystems Technology Laboratories του MIT κατατάσσουν τη FabuBlox στις νεοφυείς επιχειρήσεις που προέκυψαν από την κοινότητά τους. Ο επενδυτής Pillar VC προσδιορίζει την ιδρυτική ομάδα ως αποτελούμενη από τους διδάκτορες του MIT Jan Tiepelt και Josh Perozek, καθώς και από τους μηχανικούς Jack Muller και Eyal Perry.

Η εταιρεία εντάχθηκε στο πρόγραμμα START.nano του MIT.nano, σύμφωνα με ανακοίνωση του MIT τον Ιανουάριο του 2025. Το πρόγραμμα υποστηρίζει εγχειρήματα υψηλής τεχνολογίας μέσω εκπτωτικής πρόσβασης στις εγκαταστάσεις, τεχνικών συμβουλών και διασυνδέσεων με το δίκτυο καινοτομίας του ιδρύματος. Η περιγραφή της FabuBlox από το MIT εκείνη την περίοδο έδινε έμφαση στη διεπαφή σχεδιασμού διεργασιών της και στα αποθετήρια τύπου GitHub για την οργάνωση της γνώσης γύρω από την κατασκευή.

Αυτό το ιστορικό εξηγεί την τρέχουσα κατεύθυνση του προϊόντος. Οι εκδόσεις των ροών διεργασιών, τα κοινόχρηστα αποθετήρια και τα δομημένα αρχεία εξοπλισμού παρέχουν στον βοηθό τεχνητής νοημοσύνης ένα μηχανικό πλαίσιο μέσα στο οποίο μπορεί να λειτουργήσει, διατηρώντας παράλληλα το ιστορικό της εξέλιξης ενός σχεδιασμού.

Μάθηση από γκοφρέτες, με τις αυτόνομες μονάδες παραγωγής στον οδικό χάρτη

Το τρίτο συστατικό της πλατφόρμας της FabuBlox, το Fab Run Studio, συνδέει τις εκδόσεις των ροών διεργασιών και τις συνταγές με τα φυσικά πλακίδια πυριτίου, τα αρχεία εκτέλεσης και τη μετρολογία. Η εταιρεία το χαρακτηρίζει ως έκδοση πρώιμης beta. Οι περιγραφόμενες ροές εργασιών περιλαμβάνουν την παρακολούθηση διακλαδισμένων διαδρομών πλακιδίων και διαχωρισμών παραμέτρων, τη σύγκριση αποτελεσμάτων και τη χρήση χαρτών πλακιδίων και στατιστικού ελέγχου διεργασιών για τον εντοπισμό αποκλίσεων.

Ο επιδιωκόμενος βρόχος ανατροφοδότησης συνδέει ένα παρατηρημένο αποτέλεσμα με το πλακίδιο, τη διαδρομή, τη συνταγή και τον εξοπλισμό που το παρήγαγε. Στη συνέχεια, το FabAgent μπορεί να βοηθήσει τους μηχανικούς να εξετάσουν μια αναθεωρημένη ροή, μια ενημερωμένη βαθμονόμηση ή το επόμενο πείραμα. Η διατήρηση αυτών των συσχετίσεων έχει ιδιαίτερη σημασία στην έρευνα και στην παραγωγή μεγάλης ποικιλίας, όπου μια διεργασία μπορεί να αλλάζει συχνά.

Ο ευρύτερος κλάδος επενδύει επίσης σε συντομότερους κύκλους μάθησης, όπως φαίνεται από τη συνεργατική έρευνα και ανάπτυξη διεργασιών ημιαγωγών, η οποία φέρνει πιο κοντά τις ομάδες υλικών, εξοπλισμού και ολοκλήρωσης. Η FabuBlox αντιμετωπίζει την πλευρά του λογισμικού και της διαχείρισης γνώσης αυτής της πρόκλησης.

Το μακροπρόθεσμο όραμά της προχωρά ακόμη περισσότερο: εξειδικευμένοι πράκτορες για τομείς όπως η λιθογραφία, η εναπόθεση και η χάραξη θα μαθαίνουν από τα φυσικά αποτελέσματα και θα συμβάλλουν στον συντονισμό πειραμάτων και αλλαγών στις διεργασίες. Τα μοντέλα κόσμου ειδικά για τα εργοστάσια παραγωγής ημιαγωγών και η ολοένα πιο αυτόνομη παραγωγή παραμένουν στόχοι ανάπτυξης. Το Facility OS περιγράφει επίσης τα ζωντανά σήματα του εξοπλισμού και την προγνωστική συντήρηση ως μέρος της μελλοντικής του κατεύθυνσης.

Για τους μηχανικούς που αξιολογούν τώρα το FabAgent, η άμεση ευκαιρία είναι να αποκτήσουν έναν συνεργάτη που κατανοεί τη δομή μιας διεργασίας και τους περιορισμούς μιας εγκατάστασης. Το επόμενο βήμα είναι να συνδεθεί αυτή η συλλογιστική με ιχνηλάσιμα πειραματικά αποτελέσματα, ώστε κάθε κύκλος παραγωγής να συμβάλλει στη λήψη καλύτερων μηχανικών αποφάσεων.