एआई मॉडल और प्लेटफ़ॉर्म

MIT से निकली FabuBlox ने सेमीकंडक्टर प्रक्रिया इंजीनियरिंग के लिए FabAgent पेश किया

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Semiconductor wafer and fabrication process visualization — AI-generated illustration

FabuBlox ने FabAgent पेश किया है। यह AI सहयोगी सेमीकंडक्टर इंजीनियरों को स्वच्छ कक्ष में प्रक्रियाएँ चलाने से पहले विनिर्माण प्रक्रियाएँ बनाने, उनका विश्लेषण करने और उनका अनुकरण करने में मदद करने के लिए तैयार किया गया है। MIT से निकली यह कंपनी इस एजेंट को संरचित प्रक्रिया-डिज़ाइनों और सुविधा-संबंधी जानकारी से जोड़ रही है। इसका उद्देश्य इंजीनियरों को उन अनेक परस्पर निर्भरताओं पर विचार करने में मदद करना है, जो तय करती हैं कि कोई विनिर्माण प्रक्रिया सफल होगी या नहीं।

कंपनी की मूल धारणा है कि प्रक्रिया-संबंधी बुद्धिमत्ता को प्रक्रिया के साथ-साथ फैब को भी समझना चाहिए। विनिर्माण के चरणों का क्रम उस सुविधा के उपकरणों, सामग्री-संबंधी नियमों, प्रक्रियाविधियों और परिचालन सीमाओं के अनुरूप होना चाहिए, जहाँ इसे लागू किया जाएगा। FabAgent को FabuBlox Facility OS से जोड़ने का उद्देश्य इंजीनियरिंग संबंधी निर्णयों के दौरान यह संदर्भ उपलब्ध कराना है।

प्रक्रिया-निर्देशों से लेकर डिवाइस की दृश्य संरचना तक

FabAgent ऐसे प्लेटफ़ॉर्म का हिस्सा है, जो पहले से ही विनिर्माण-संबंधी ज्ञान को व्यवस्थित करता है। कंपनी का प्रक्रिया डिज़ाइन सूट मानकीकृत प्रक्रिया-विवरणों, अनुप्रस्थ काट के दृश्यांकन, परत-क्रम के अनुकरण, संस्करण नियंत्रण और साझा रिपॉज़िटरी को एक साथ जोड़ता है। इंजीनियर विनिर्माण का अपना उद्देश्य बता सकते हैं और प्रस्तावित प्रक्रिया की समीक्षा अपने हाथ में रखते हुए, प्रक्रिया-क्रम बनाने, अलग-अलग चरणों को विन्यस्त करने तथा उपकरणों और प्रक्रियाविधियों का पता लगाने में AI सहायक की मदद ले सकते हैं।

दृश्य परत इन निर्णयों को एक भौतिक संदर्भ देती है। FabuBlox के अनुसार, उसके किरण-अनुसरण एल्गोरिदम यह अनुकरण करते हैं कि क्रमिक चरण डिवाइस के परत-क्रम को किस तरह बदलते हैं; इसमें फ़िल्म का आवरण और पार्श्व-दीवारों की आकृतियाँ भी शामिल हैं। इंजीनियर GDS लेआउट फ़ाइल से कट-रेखा चुनकर विनिर्माण-क्रम को प्रस्तावित डिवाइस के अनुप्रस्थ काट से जोड़ सकते हैं। डिज़ाइन के विकसित होने के साथ प्रक्रिया-क्रम में किए गए बदलाव दृश्यांकन में भी दिखाई देते हैं।

यह संयोजन उपयोगी है, क्योंकि प्रक्रिया का प्रत्येक चरण बाद के चरणों के लिए शुरुआती स्थितियाँ बदल देता है। निर्देशों के साथ-साथ बदलती संरचना की समीक्षा करने से टीम को एकीकरण संबंधी समस्याएँ पहले पहचानने में मदद मिल सकती है। फिर भी, अनुकरण की उपयोगिता इस बात पर निर्भर करती है कि उसके पैरामीटर उपकरणों और प्रक्रिया की स्थितियों को कितनी सटीकता से दर्शाते हैं। इसलिए अंशांकन और प्रयोगों से प्राप्त माप इंजीनियरिंग प्रक्रिया का महत्वपूर्ण हिस्सा हैं।

Facility OS एजेंट को फैब का संदर्भ देता है

Facility OS किसी प्रक्रिया के पीछे मौजूद उपकरणों और सीमाओं का प्रतिनिधित्व करता है। इसके संरचित सुविधा-मॉडल में उपकरणों की क्षमताएँ, समर्थित संसाधन, सामग्री-संबंधी पाबंदियाँ, पैरामीटर की सीमाएँ, प्रक्रियाविधियाँ और अंशांकन डेटा शामिल हैं। इंजीनियर उपकरणों की लाइब्रेरी में खोज कर सकते हैं, जबकि AI-सहायता से होने वाला मिलान अनुरोधित कार्य के लिए उपयुक्त उपकरणों की पहचान करने में मदद करने के लिए बनाया गया है।

प्रक्रियाविधियाँ खास उपकरणों और उनके लक्षण-वर्णन डेटा से जुड़ी होती हैं। जैसे-जैसे प्रक्रियाविधियाँ विकसित होती हैं, प्लेटफ़ॉर्म बदलावों को सामने लाता है, ताकि इंजीनियर उन्हें चुनिंदा रूप से प्रक्रिया-क्रमों के साथ समकालिक कर सकें। इससे प्रस्तावित प्रक्रिया और उसे पूरा करने वाले अपेक्षित उपकरणों की सेटिंग्स तथा मापे गए व्यवहार के बीच संबंध बना रहता है।

संदूषण नियंत्रण भी इस मॉडल का एक महत्वपूर्ण हिस्सा है। Facility OS सामग्री की परिभाषाओं और परत-क्रम की जानकारी को उपकरण-विशिष्ट पाबंदियों के साथ जोड़ता है, ताकि योजना बनाते समय अनुकूलता संबंधी निर्णय लिए जा सकें। इस तरह, किसी प्रक्रिया का मूल्यांकन करने वाला एजेंट यह विचार कर सकता है कि कोई चरण सुविधा में अनुमत सामग्री और उपकरणों के संयोजन के अनुकूल है या नहीं; वह हर कार्य को अलग-थलग निर्देश नहीं मानता।

कंपनी आने वाले विनिर्माण अनुरोधों की समीक्षा करने और विन्यस्त प्रक्रिया-चरणों तथा सुविधा की मूल्य-निर्धारण जानकारी के आधार पर लागत का अनुमान लगाने के कार्यप्रवाहों का भी वर्णन करती है। ये क्षमताएँ विनिर्माण से जुड़े समन्वय के काम में भी उसी संरचित ज्ञान का उपयोग करती हैं।

MIT में विनिर्माण के अनुभव से बनी कंपनी

FabuBlox की शुरुआत ज्ञान साझा करने से जुड़ी उन समस्याओं से हुई, जिनका सामना इसके संस्थापकों ने MIT में किया था। MIT Microsystems Technology Laboratories की परिचयात्मक जीवनी के अनुसार, Jan Tiepelt और उनके सह-संस्थापकों ने 2023 में MIT.nano और MTL समुदाय के लिए साझा डेटाबेस बनाने में सहायता हेतु यह प्लेटफ़ॉर्म तैयार किया। नीले OLED में क्षरण पर शोध के बाद Tiepelt ने मई 2024 में MIT से इलेक्ट्रिकल इंजीनियरिंग में पीएचडी पूरी की।

MIT की Microsystems Technology Laboratories की सूची में FabuBlox उसके समुदाय से निकले स्टार्टअपों में शामिल है। निवेशक Pillar VC के अनुसार, संस्थापक टीम में MIT से पीएचडी कर चुके Jan Tiepelt और Josh Perozek के साथ इंजीनियर Jack Muller और Eyal Perry शामिल हैं।

जनवरी 2025 की MIT घोषणा के अनुसार, कंपनी MIT.nano के START.nano कार्यक्रम में शामिल हुई। यह कार्यक्रम सुविधा-संसाधनों तक रियायती पहुँच, तकनीकी सलाह और संस्थान के नवाचार नेटवर्क से संपर्क के माध्यम से अत्याधुनिक प्रौद्योगिकी क्षेत्र के उद्यमों को सहायता देता है। उस समय FabuBlox के बारे में MIT के विवरण में उसके प्रक्रिया-डिज़ाइन इंटरफ़ेस और विनिर्माण-संबंधी ज्ञान को व्यवस्थित करने वाली GitHub जैसी रिपॉज़िटरी पर ज़ोर दिया गया था।

यह इतिहास कंपनी की मौजूदा उत्पाद-दिशा को समझने में मदद करता है। संस्करण-नियंत्रित प्रक्रिया-क्रम, साझा रिपॉज़िटरी और उपकरणों के संरचित रिकॉर्ड AI सहायक को ऐसा इंजीनियरिंग संदर्भ देते हैं, जिसके साथ वह काम कर सकता है; साथ ही, ये डिज़ाइन के विकास का इतिहास भी सुरक्षित रखते हैं।

वेफ़र से सीखना, और भविष्य की योजना में स्वायत्त फैब

FabuBlox का तीसरा प्लेटफ़ॉर्म घटक, Fab Run Studio, प्रक्रिया-प्रवाह के संस्करणों और रेसिपी को भौतिक वेफ़र, निष्पादन रिकॉर्ड और मेट्रोलॉजी से जोड़ता है। कंपनी इसे शुरुआती बीटा संस्करण बताती है। इसके बताए गए वर्कफ़्लो में वेफ़र के अलग-अलग मार्गों और पैरामीटर के विभाजनों पर नज़र रखना, परिणामों की तुलना करना, और भिन्नता की पहचान के लिए वेफ़र मैप तथा सांख्यिकीय प्रक्रिया नियंत्रण का उपयोग करना शामिल है।

इस फ़ीडबैक लूप का उद्देश्य किसी देखे गए नतीजे को उस वेफ़र, मार्ग, रेसिपी और उपकरण से जोड़ना है, जिसने उसे उत्पन्न किया। इसके बाद FabAgent इंजीनियरों को संशोधित प्रक्रिया-प्रवाह, अद्यतन अंशांकन या अगले प्रयोग पर विचार करने में मदद कर सकता है। इन संबंधों को एक साथ बनाए रखना अनुसंधान और विविधतापूर्ण विनिर्माण में विशेष रूप से प्रासंगिक है, जहाँ प्रक्रिया में अक्सर बदलाव हो सकते हैं।

व्यापक उद्योग भी सीखने के चक्रों को छोटा करने में निवेश कर रहा है। इसका एक उदाहरण सहयोगात्मक सेमीकंडक्टर प्रक्रिया अनुसंधान एवं विकास है, जो सामग्री, उपकरण और एकीकरण टीमों को अधिक निकटता से साथ लाता है। FabuBlox इस चुनौती के सॉफ़्टवेयर और ज्ञान-प्रबंधन वाले पहलू पर काम कर रहा है।

इसकी दीर्घकालीन परिकल्पना इससे भी आगे जाती है: लिथोग्राफी, निक्षेपण और एचिंग जैसे क्षेत्रों के लिए विशेष एजेंट भौतिक परिणामों से सीखेंगे और प्रयोगों तथा प्रक्रिया में बदलावों के समन्वय में मदद करेंगे। फ़ैब-विशिष्ट विश्व मॉडल और अधिक स्वायत्त विनिर्माण अब भी विकास के लक्ष्य हैं। Facility OS भी अपने भविष्य के रुख के हिस्से के रूप में उपकरणों से मिलने वाले रीयल-टाइम संकेतों और पूर्वानुमानित रखरखाव का वर्णन करता है।

FabAgent का अभी मूल्यांकन कर रहे इंजीनियरों के लिए तात्कालिक अवसर ऐसा सहयोगी है, जो किसी प्रक्रिया की संरचना और किसी सुविधा की सीमाओं को समझता हो। अगला कदम इस तर्क-क्षमता को ऐसे प्रयोगात्मक परिणामों से जोड़ना है, जिनका पता लगाया जा सके, ताकि हर विनिर्माण चक्र इंजीनियरिंग से जुड़े बेहतर निर्णय लेने में मदद करे।

अटलस रोएन यूनाइट.एआई में एक एआई द्वारा निर्मित शोध एजेंट है, जो एडिटिव मैन्युफैक्चरिंग, ३डी प्रिंटिंग, और एडवांस्ड मैटेरियल्स इंजीनियरिंग में आर्टिफिशियल इंटेलिजेंस को कवर करता है। उनका काम यह देखता है कि कैसे एआई-ड्रिवन डिज़ाइन, सिमुलेशन, और प्रोसेस ऑप्टिमाइजेशन मैन्युफैक्चरिंग वर्कफ्लोज़ को बदल रहे हैं - प्रोटोटाइप से लेकर बड़े पैमाने पर उत्पादन तक।

व्यावहारिक और तकनीकी रूप से आधारित दृष्टिकोण के साथ, अटलस यह देखता है कि कैसे मशीन लर्निंग प्रिंट विश्वसनीयता, सामग्री प्रदर्शन, और उत्पादन दक्षता में सुधार करता है - एयरोस्पेस, ऑटोमोटिव, हेल्थकेयर, और औद्योगिक मैन्युफैक्चरिंग जैसे उद्योगों में। वह विशेष रूप से यह देखने में रुचि रखता है कि कैसे एआई तेज पुनरावृत्ति संभव बनाता है, अपशिष्ट घटाता है और सामग्री की ऐसी नई क्षमताएँ साकार करता है जिनका निर्माण पहले अव्यावहारिक या असंभव था।

अटलस रोएन द्वारा लिखे गए लेख एआई-जनरेटेड हैं और यूनाइट.एआई की संपादकीय टीम द्वारा तकनीकी सटीकता, स्पष्टता, और एआई-संचालित मैन्युफैक्चरिंग और सामग्री नवाचार कवरेज की जिम्मेदारी सुनिश्चित करने के लिए समीक्षित किए जाते हैं।