MIT-spin-off FabuBlox introduceert FabAgent voor procesengineering in de halfgeleiderindustrie

FabuBlox heeft FabAgent geïntroduceerd, een AI-collega die is ontworpen om halfgeleideringenieurs te helpen fabricageprocessen op te zetten, te analyseren en te simuleren voordat ze die in een cleanroom uitvoeren. De MIT-spin-off koppelt deze agent aan gestructureerde procesontwerpen en kennis over de faciliteit, om ingenieurs te helpen inzicht te krijgen in de vele onderlinge afhankelijkheden die bepalen of een fabricageproces werkt.

De kern van het bedrijfsvoorstel is dat procesintelligentie niet alleen het proces, maar ook de fabriek moet begrijpen. Een reeks fabricagestappen moet passen bij de apparatuur, materiaalvoorschriften, recepten en operationele grenzen van de faciliteit waar het proces wordt uitgevoerd. De koppeling van FabAgent aan FabuBlox Facility OS is bedoeld om die context beschikbaar te maken bij technische beslissingen.

Van procesinstructies naar een zichtbaar apparaatontwerp

FabAgent maakt deel uit van een platform dat fabricagekennis al structureert. De suite voor procesontwerp van het bedrijf combineert gestandaardiseerde procesbeschrijvingen, visualisaties van dwarsdoorsneden, simulatie van lagenstapels, versiebeheer en gedeelde opslagplaatsen. Ingenieurs kunnen hun fabricage-intenties beschrijven en de AI-assistent gebruiken om processtromen op te zetten, afzonderlijke stappen te configureren en apparatuur en recepten te verkennen, terwijl zij de voorgestelde processen blijven beoordelen.

De visuele laag geeft die beslissingen een fysieke referentie. Volgens FabuBlox simuleren de raytracingalgoritmen hoe opeenvolgende stappen de lagenstapel van het apparaat veranderen, waaronder de dekking door de film en de profielen van de zijwanden. Ingenieurs kunnen een snijlijn selecteren in een GDS-ontwerpbestand om de fabricagesequentie te koppelen aan een dwarsdoorsnede van het beoogde apparaat. Naarmate het ontwerp zich ontwikkelt, worden wijzigingen in de processtroom ook in de visualisatie verwerkt.

Die combinatie is nuttig omdat een processtap de uitgangssituatie voor latere stappen verandert. Door de veranderende structuur naast de instructies te bekijken, kan een team integratieproblemen eerder opsporen. Hoe nuttig de simulatie is, hangt nog altijd af van de mate waarin de parameters de apparatuur en procesomstandigheden getrouw weergeven. Daarom zijn kalibratie en experimentele metingen een belangrijk onderdeel van de technische ontwikkelingscyclus.

Facility OS geeft de agent context over de fabriek

Facility OS brengt de apparatuur en beperkingen achter een proces in kaart. Het gestructureerde faciliteitsmodel omvat de mogelijkheden van apparatuur, beschikbare hulpmiddelen, materiaalbeperkingen, parameterbereiken, recepten en kalibratiegegevens. Ingenieurs kunnen een apparatuurcatalogus doorzoeken; de AI-ondersteunde matching is bedoeld om apparatuur te helpen vinden die geschikt is voor een bepaalde bewerking.

Recepten zijn gekoppeld aan specifieke apparatuur en de bijbehorende karakteriseringsgegevens. Wanneer recepten veranderen, geeft het platform die wijzigingen aan, zodat ingenieurs ze selectief met processtromen kunnen synchroniseren. Zo blijft de relatie behouden tussen een voorgesteld proces en de instellingen en het gemeten gedrag van de apparatuur die naar verwachting wordt ingezet.

Ook het beheersen van verontreiniging is een belangrijk onderdeel van dit model. Facility OS combineert materiaaldefinities en informatie over lagenstapels met apparatuurgebonden beperkingen om tijdens de planning compatibiliteitsbeslissingen te ondersteunen. Een agent die een proces beoordeelt, kan daardoor nagaan of een stap past binnen de toegestane combinaties van materialen en apparatuur in de faciliteit, in plaats van elke bewerking als een afzonderlijke instructie te behandelen.

Het bedrijf beschrijft ook workflows voor het beoordelen van binnenkomende fabricageverzoeken en het ramen van kosten op basis van geconfigureerde processtappen en de tarieven van de faciliteit. Die mogelijkheden breiden dezelfde gestructureerde kennis uit naar de coördinatiewerkzaamheden rond fabricage.

Een bedrijf gebouwd op MIT’s ervaring met fabricage

FabuBlox vindt zijn oorsprong in de problemen rond het delen van kennis die de oprichters bij MIT tegenkwamen. In een biografie van de Microsystems Technology Laboratories van MIT staat dat Jan Tiepelt en zijn medeoprichters het platform in 2023 hebben opgezet om de MIT.nano- en MTL-gemeenschap te ondersteunen bij het gezamenlijk opbouwen van databases. Tiepelt promoveerde in mei 2024 aan MIT in de elektrotechniek, na onderzoek naar degradatie in blauwe OLED’s.

De Microsystems Technology Laboratories van MIT noemen FabuBlox als een van de startups die uit hun gemeenschap zijn voortgekomen. Investeerder Pillar VC identificeert het oprichtersteam als MIT-gepromoveerden Jan Tiepelt en Josh Perozek, samen met de ingenieurs Jack Muller en Eyal Perry.

Volgens een aankondiging van MIT uit januari 2025 nam het bedrijf deel aan het START.nano-programma van MIT.nano. Het programma ondersteunt ondernemingen op het gebied van geavanceerde technologie met korting op toegang tot faciliteiten, technisch advies en contacten binnen het innovatienetwerk van het instituut. In de beschrijving van FabuBlox door MIT uit die periode lag de nadruk op de interface voor procesontwerp en op GitHub-achtige opslagplaatsen voor het ordenen van fabricagekennis.

Die geschiedenis helpt de huidige productrichting te verklaren. Processtromen met versiebeheer, gedeelde opslagplaatsen en gestructureerde apparatuurgegevens bieden een AI-assistent een technische context waarmee die kan werken, terwijl de ontwikkelingsgeschiedenis van een ontwerp behouden blijft.

Leren van wafers, met autonome fabrieken op de routekaart

Het derde onderdeel van het platform van FabuBlox, Fab Run Studio, koppelt versies van processtromen en recepten aan fysieke wafers, uitvoeringsgegevens en metrologie. Het bedrijf bestempelt het als een vroege bètaversie. De beschreven workflows omvatten het volgen van vertakte wafertrajecten en parameteropsplitsingen, het vergelijken van resultaten en het gebruik van waferkaarten en statistische procesbeheersing om variaties op te sporen.

De beoogde feedbacklus koppelt een waargenomen resultaat aan de wafer, het traject, het recept en het gereedschap waarmee dat resultaat tot stand is gekomen. FabAgent kan ingenieurs vervolgens helpen een aangepast procesverloop, een bijgewerkte kalibratie of het volgende experiment te overwegen. Het is vooral relevant in onderzoek en highmixproductie om die verbanden bij elkaar te houden, omdat processen daar vaak kunnen veranderen.

Ook de bredere sector investeert in kortere leercycli, zoals blijkt uit gezamenlijk onderzoek en ontwikkeling op het gebied van halfgeleiderprocessen, waarbij teams voor materialen, apparatuur en integratie nauwer samenwerken. FabuBlox richt zich op de software- en kennisbeheerkant van die uitdaging.

De langetermijnvisie van het bedrijf reikt verder: gespecialiseerde agents voor gebieden als lithografie, depositie en etsen zouden leren van fysieke resultaten en helpen experimenten en proceswijzigingen te coördineren. Fab-specifieke wereldmodellen en steeds autonomere productie blijven ontwikkeldoelen. Ook Facility OS noemt realtime signalen van apparatuur en voorspellend onderhoud als onderdeel van zijn toekomstvisie.

Voor ingenieurs die FabAgent nu evalueren, ligt de directe meerwaarde in een samenwerkingspartner die rekening houdt met de structuur van een proces en de beperkingen van een faciliteit. De volgende stap is om die redenering te koppelen aan traceerbare experimentele resultaten, zodat elke productierun kan bijdragen aan betere engineeringbeslissingen.