Spin-off del MIT, FabuBlox presenta FabAgent per l’ingegneria dei processi dei semiconduttori

FabuBlox ha presentato FabAgent, un collaboratore basato sull’IA progettato per aiutare gli ingegneri dei semiconduttori a creare, analizzare e simulare i processi di fabbricazione prima di eseguirli in una camera bianca. Lo spin-off del MIT sta collegando l’agente a progetti di processo strutturati e alle informazioni sugli impianti, con l’obiettivo di aiutare gli ingegneri a valutare le numerose dipendenze da cui dipende il corretto funzionamento di un flusso di fabbricazione.

La tesi centrale dell’azienda è che l’intelligenza di processo debba comprendere sia l’impianto di fabbricazione sia il processo. Una sequenza di fasi di fabbricazione deve essere compatibile con le apparecchiature, le regole sui materiali, le ricette e i limiti operativi dell’impianto in cui verrà eseguita. Il collegamento di FabAgent a FabuBlox Facility OS è pensato per rendere disponibile questo contesto durante le decisioni ingegneristiche.

Dalle istruzioni di processo alla visualizzazione della struttura del dispositivo

FabAgent è integrato in una piattaforma che già organizza le conoscenze sulla fabbricazione. La Process Design Suite dell’azienda riunisce descrizioni standardizzate dei processi, visualizzazione delle sezioni trasversali, simulazione degli strati, controllo delle versioni e repository condivisi. Gli ingegneri possono descrivere gli obiettivi di fabbricazione e avvalersi dell’assistente IA per creare flussi di processo, configurare le singole fasi ed esplorare apparecchiature e ricette, mantenendo la possibilità di esaminare il processo proposto.

Il livello visivo fornisce un riferimento fisico per queste decisioni. FabuBlox afferma che i suoi algoritmi di ray tracing simulano il modo in cui le fasi successive trasformano gli strati del dispositivo, compresi il rivestimento dei film e i profili delle pareti laterali. Gli ingegneri possono selezionare una linea di sezione da un file di layout GDS per collegare la sequenza di fabbricazione a una sezione trasversale del dispositivo previsto. Man mano che il progetto evolve, le modifiche al flusso si riflettono nella visualizzazione.

Questa combinazione è utile perché ogni fase del processo modifica le condizioni iniziali di quelle successive. Esaminare la struttura in evoluzione insieme alle istruzioni può aiutare il gruppo a individuare prima eventuali problemi di integrazione. L’utilità della simulazione dipende comunque dalla fedeltà con cui i suoi parametri rappresentano le apparecchiature e le condizioni di processo; per questo, la calibrazione e le misurazioni sperimentali sono una parte importante del ciclo di progettazione ingegneristica.

Facility OS fornisce all’agente il contesto sull’impianto

Facility OS rappresenta le apparecchiature e i vincoli che caratterizzano un processo. Il suo modello strutturato dell’impianto include le capacità degli strumenti, le risorse supportate, le restrizioni sui materiali, gli intervalli dei parametri, le ricette e i dati di calibrazione. Gli ingegneri possono consultare una libreria di strumenti; l’abbinamento assistito dall’IA è progettato per aiutare a individuare le apparecchiature adatte all’operazione richiesta.

Le ricette sono collegate a strumenti specifici e ai relativi dati di caratterizzazione. Quando le ricette evolvono, la piattaforma evidenzia le modifiche affinché gli ingegneri possano sincronizzarle selettivamente con i flussi di processo. In questo modo si mantiene il legame tra un processo proposto e le impostazioni e il comportamento misurato delle apparecchiature che dovrebbero eseguirlo.

Il controllo della contaminazione è un altro aspetto importante di questo modello. Facility OS combina le definizioni dei materiali e le informazioni sugli strati con le restrizioni specifiche di ciascuno strumento, per supportare le decisioni di compatibilità in fase di pianificazione. Un agente che valuta un processo può quindi considerare se una fase è compatibile con le combinazioni di materiali e apparecchiature ammesse nell’impianto, invece di trattare ogni operazione come un’istruzione isolata.

L’azienda descrive inoltre flussi di lavoro per esaminare le richieste di fabbricazione in arrivo e stimare i costi sulla base delle fasi di processo configurate e dei prezzi applicati dall’impianto. Queste funzionalità estendono le stesse conoscenze strutturate alle attività di coordinamento che accompagnano la fabbricazione.

Un’azienda nata dall’esperienza del MIT nella fabbricazione

Le origini di FabuBlox risalgono ai problemi di condivisione delle conoscenze incontrati dai suoi fondatori al MIT. Una biografia dei Microsystems Technology Laboratories del MIT afferma che Jan Tiepelt e i suoi cofondatori hanno creato la piattaforma nel 2023 per favorire la realizzazione condivisa di database destinati alla comunità di MIT.nano e MTL. Tiepelt ha conseguito il dottorato in ingegneria elettrica al MIT nel maggio 2024, dopo aver svolto ricerche sul degrado degli OLED blu.

I Microsystems Technology Laboratories del MIT annoverano FabuBlox tra le startup nate dalla loro comunità. L’investitore Pillar VC indica tra i fondatori i dottori di ricerca del MIT Jan Tiepelt e Josh Perozek, insieme agli ingegneri Jack Muller ed Eyal Perry.

Secondo un annuncio del MIT del gennaio 2025, l’azienda ha aderito al programma START.nano di MIT.nano. Il programma sostiene le iniziative nel settore delle tecnologie avanzate offrendo accesso agevolato alle strutture, consulenza tecnica e collegamenti con la rete per l’innovazione dell’istituto. All’epoca, la descrizione di FabuBlox fornita dal MIT metteva in risalto la sua interfaccia per la progettazione dei processi e i repository simili a GitHub per organizzare le conoscenze sulla fabbricazione.

Questa storia aiuta a spiegare l’attuale direzione del prodotto. Flussi di processo con controllo delle versioni, repository condivisi e registri strutturati delle apparecchiature forniscono all’assistente IA un contesto ingegneristico con cui lavorare, conservando al contempo la cronologia dello sviluppo del progetto.

Imparare dai wafer, con le fabbriche autonome tra gli obiettivi futuri

Il terzo componente della piattaforma di FabuBlox, Fab Run Studio, collega le versioni dei flussi di processo e le ricette ai wafer fisici, ai registri di esecuzione e alle misurazioni metrologiche. L’azienda lo definisce una versione beta iniziale. I flussi di lavoro descritti comprendono il monitoraggio dei percorsi ramificati dei wafer e delle suddivisioni dei parametri, il confronto dei risultati e l’uso di mappe dei wafer e del controllo statistico di processo per individuare le variazioni.

Il ciclo di feedback previsto collega un risultato osservato al wafer, al percorso, alla ricetta e allo strumento che lo hanno prodotto. FabAgent può quindi aiutare gli ingegneri a valutare un flusso rivisto, una calibrazione aggiornata o l’esperimento successivo. Mantenere insieme queste relazioni è particolarmente importante nella ricerca e nella produzione ad alta varietà, dove un processo può cambiare frequentemente.

Anche il settore nel suo complesso sta investendo in cicli di apprendimento più brevi, come dimostra la ricerca e sviluppo collaborativi sui processi dei semiconduttori, che favoriscono una maggiore collaborazione tra i team che si occupano di materiali, apparecchiature e integrazione. FabuBlox affronta gli aspetti software e di gestione delle conoscenze di questa sfida.

La sua visione a più lungo termine è ancora più ambiziosa: agenti specializzati in aree come la litografia, la deposizione e l’incisione imparerebbero dai risultati ottenuti fisicamente e contribuirebbero a coordinare gli esperimenti e le modifiche dei processi. I modelli del mondo specifici per gli impianti di fabbricazione e una produzione sempre più autonoma restano obiettivi di sviluppo. Anche Facility OS indica i segnali in tempo reale delle apparecchiature e la manutenzione predittiva come parte dei suoi progetti futuri.

Per gli ingegneri che stanno valutando FabAgent oggi, l’opportunità immediata è disporre di un collaboratore che tenga conto della struttura di un processo e dei vincoli di un impianto. Il passo successivo consiste nel collegare questo ragionamento a risultati sperimentali tracciabili, affinché ogni ciclo di fabbricazione possa orientare decisioni ingegneristiche migliori.