MIT 스핀오프 기업 FabuBlox, 반도체 공정 엔지니어링용 FabAgent 공개

FabuBlox가 반도체 엔지니어가 클린룸에서 공정을 실행하기 전에 제조 공정을 구축하고 분석하며 에뮬레이션할 수 있도록 돕는 AI 협업 도구 FabAgent를 공개했다. MIT 스핀오프 기업인 FabuBlox는 엔지니어가 제조 공정의 성공 여부를 좌우하는 여러 의존 관계를 검토할 수 있도록 이 에이전트를 구조화된 공정 설계 및 시설 정보와 연결하고 있다.

이 회사의 핵심 주장은 공정 지능이 공정뿐 아니라 팹도 이해해야 한다는 것이다. 제조 단계의 순서는 해당 공정을 실행할 시설의 장비, 재료 규정, 레시피, 운영 한계에 부합해야 한다. FabAgent를 FabuBlox Facility OS와 연결하면 엔지니어링 의사 결정 과정에서 이러한 맥락을 활용할 수 있도록 하는 것이 목표다.

공정 지침에서 눈에 보이는 소자 구조까지

FabAgent는 이미 제조 관련 지식을 체계화한 플랫폼의 일부다. 이 회사의 공정 설계 제품군은 표준화된 공정 설명, 단면 시각화, 층 적층 에뮬레이션, 버전 관리, 공유 저장소를 결합한다. 엔지니어는 제조 의도를 설명하고 AI 어시스턴트를 활용해 공정 흐름을 구성하고 개별 단계를 설정하며 장비와 레시피를 살펴볼 수 있고, 제안된 공정에 대한 검토 권한도 유지할 수 있다.

시각화 계층은 이러한 의사 결정에 물리적 기준을 제공한다. FabuBlox에 따르면 광선 추적 알고리즘은 연속된 단계가 소자의 층 적층 구조를 어떻게 변화시키는지 에뮬레이션하며, 여기에는 박막의 피복 상태와 측벽 형상도 포함된다. 엔지니어는 GDS 레이아웃 파일에서 절단선을 선택해 제조 순서를 목표 소자의 단면도와 연결할 수 있다. 설계가 발전함에 따라 공정 흐름의 변경 사항도 시각화에 반영된다.

이러한 결합이 유용한 이유는 한 공정 단계가 이후 단계의 초기 조건을 바꾸기 때문이다. 지침과 함께 변화하는 구조를 검토하면 팀이 통합 문제를 더 일찍 발견하는 데 도움이 될 수 있다. 다만 에뮬레이션의 유용성은 매개변수가 장비와 공정 조건을 얼마나 충실하게 나타내는지에 달려 있으므로, 보정과 실험 측정은 엔지니어링 과정에서 중요한 부분이다.

Facility OS, 에이전트에 팹 관련 맥락 제공

Facility OS는 공정을 뒷받침하는 장비와 제약 조건을 나타낸다. 구조화된 시설 모델에는 장비 기능, 지원 자원, 재료 제한, 매개변수 범위, 레시피, 보정 데이터가 포함된다. 엔지니어는 장비 라이브러리를 검색할 수 있으며, AI 지원 매칭 기능은 요청된 작업에 적합한 장비를 찾도록 설계됐다.

레시피는 특정 장비 및 해당 장비의 특성 분석 데이터와 연결된다. 레시피가 발전하면 플랫폼은 변경 사항을 표시해 엔지니어가 공정 흐름과 선택적으로 동기화할 수 있도록 한다. 이를 통해 제안된 공정과 이를 수행할 것으로 예상되는 장비의 설정 및 측정된 작동 특성 간 관계를 유지한다.

오염 제어도 이 모델의 중요한 요소다. Facility OS는 재료 정의 및 층 적층 정보와 장비별 제한 사항을 결합해 계획 단계에서 호환성을 판단할 수 있도록 지원한다. 따라서 공정을 평가하는 에이전트는 각 작업을 별개의 지침으로 취급하는 대신, 해당 단계가 시설에서 허용하는 재료와 장비의 조합에 부합하는지 고려할 수 있다.

회사는 접수된 제조 요청을 검토하고 설정된 공정 단계와 시설 가격을 바탕으로 비용을 추산하는 업무 흐름도 설명한다. 이러한 기능은 제조를 둘러싼 조정 업무에도 동일한 구조화 지식을 적용한다.

MIT의 제조 경험에서 출발한 기업

FabuBlox의 뿌리는 창업자들이 MIT에서 마주한 지식 공유 문제에 있다. MIT Microsystems Technology Laboratories의 약력에 따르면, Jan Tiepelt와 공동 창업자들은 MIT.nano 및 MTL 커뮤니티에서 데이터베이스를 공동으로 구축할 수 있도록 2023년에 이 플랫폼을 만들었다. Tiepelt는 청색 OLED의 열화에 관한 연구를 마친 뒤 2024년 5월 MIT에서 전기공학 박사 학위를 취득했다.

MIT의 Microsystems Technology Laboratories는 FabuBlox를 해당 커뮤니티에서 탄생한 스타트업 가운데 하나로 소개한다. 투자사 Pillar VC는 창업팀을 MIT 박사인 Jan Tiepelt와 Josh Perozek, 그리고 엔지니어 Jack Muller와 Eyal Perry로 구성된 팀으로 소개한다.

2025년 1월 MIT 발표에 따르면, 이 회사는 MIT.nano의 START.nano 프로그램에 참여했다. 이 프로그램은 시설 이용료 할인, 기술 자문, 연구소의 혁신 네트워크와의 연결을 통해 딥테크 벤처를 지원한다. 당시 MIT의 FabuBlox 소개에서는 공정 설계 인터페이스와 제조 지식을 정리하는 GitHub와 유사한 저장소를 강조했다.

이러한 배경은 현재의 제품 방향을 이해하는 데 도움이 된다. 버전 관리되는 공정 흐름, 공유 저장소, 구조화된 장비 기록은 AI 어시스턴트가 활용할 수 있는 엔지니어링 맥락을 제공하는 동시에 설계가 발전해 온 이력도 보존한다.

웨이퍼를 통해 학습하고, 자율 팹은 향후 계획에

플랫폼의 세 번째 구성 요소인 Fab Run Studio는 공정 흐름 버전과 레시피를 실제 웨이퍼, 실행 기록 및 계측 결과와 연결합니다. FabuBlox는 이 제품을 초기 베타 단계라고 설명합니다. 소개된 작업 흐름에는 분기된 웨이퍼 경로와 매개변수 분할 추적, 결과 비교, 웨이퍼 맵과 통계적 공정 관리를 활용한 변동 식별이 포함됩니다.

이 피드백 루프는 관찰된 결과를 해당 결과를 만들어 낸 웨이퍼, 경로, 레시피 및 장비와 연결하도록 설계되었습니다. 그러면 FabAgent는 엔지니어가 수정된 공정 흐름이나 업데이트된 보정 방법, 또는 다음 실험을 검토하도록 도울 수 있습니다. 공정이 자주 바뀔 수 있는 연구 및 다품종 제조 환경에서는 이러한 관계를 함께 관리하는 것이 특히 중요합니다.

재료, 장비 및 공정 통합 팀 간 협력을 강화하는 협업형 반도체 공정 연구개발에서 볼 수 있듯이, 업계 전반에서도 학습 주기를 단축하기 위한 투자가 이어지고 있습니다. FabuBlox는 이러한 과제의 소프트웨어 및 지식 관리 측면에 대응하고 있습니다.

FabuBlox의 장기 비전은 더 나아갑니다. 리소그래피, 증착, 식각과 같은 분야를 담당하는 전문 에이전트가 실제 결과를 통해 학습하고 실험과 공정 변경의 조율을 돕는다는 구상입니다. 팹 특화 세계 모델과 한층 더 자율적인 제조는 여전히 개발 목표입니다. Facility OS 역시 실시간 장비 신호와 예측 유지보수를 미래 계획의 일부로 설명합니다.

현재 FabAgent를 평가하는 엔지니어에게 가장 당장 주목할 만한 점은 공정 구조와 시설의 제약 조건을 바탕으로 협업하는 도구라는 것입니다. 다음 단계는 이러한 추론을 추적 가능한 실험 결과와 연결해, 각 제조 공정 실행이 더 나은 엔지니어링 의사 결정에 도움이 되도록 하는 것입니다.