MIT-utskilling FabuBlox lanserer FabAgent for prosessteknikk i halvlederindustrien

FabuBlox har lansert FabAgent, en KI-samarbeidspartner utviklet for å hjelpe halvlederingeniører med å bygge, analysere og simulere fabrikasjonsprosesser før de tas i bruk i et renrom. MIT-utskillingen kobler agenten til strukturerte prosessdesign og kunnskap om produksjonsanlegg, med mål om å hjelpe ingeniører med å forstå de mange avhengighetene som avgjør om et produksjonsforløp vil fungere.

Selskapets hovedpoeng er at prosessintelligens må forstå både fabrikken og prosessen. En serie fabrikasjonstrinn må passe til utstyret, materialreglene, oppskriftene og driftsgrensene ved anlegget som skal utføre den. Koblingen mellom FabAgent og FabuBlox Facility OS skal gjøre denne konteksten tilgjengelig når ingeniører tar beslutninger.

Fra prosessinstruksjoner til en synlig komponentstruktur

FabAgent inngår i en plattform som allerede organiserer fabrikasjonskunnskap. Selskapets Process Design Suite kombinerer standardiserte prosessbeskrivelser, visualisering av tverrsnitt, simulering av lagstabler, versjonskontroll og delte lagringssteder. Ingeniører kan beskrive fabrikasjonsintensjonen og bruke KI-assistenten til å bygge prosessforløp, konfigurere enkelttrinn og utforske verktøy og oppskrifter, samtidig som de beholder muligheten til å gjennomgå den foreslåtte prosessen.

Det visuelle laget gir beslutningene et fysisk referansepunkt. FabuBlox opplyser at strålesporingsalgoritmene deres simulerer hvordan hvert påfølgende trinn endrer komponentens lagstabel, inkludert filmenes dekning og sideveggprofiler. Ingeniører kan velge en snittlinje fra en GDS-layoutfil for å koble fabrikasjonssekvensen til et tverrsnitt av den tiltenkte komponenten. Endringer i prosessforløpet gjenspeiles i visualiseringen etter hvert som designet utvikler seg.

Denne kombinasjonen er nyttig fordi et prosesstrinn endrer utgangspunktet for de påfølgende trinnene. Ved å gjennomgå den voksende strukturen sammen med instruksjonene kan teamet oppdage integrasjonsproblemer tidligere. Hvor nyttig simuleringen er, avhenger fortsatt av hvor nøyaktig parameterne gjenspeiler utstyret og prosessforholdene. Kalibrering og eksperimentelle målinger er derfor en viktig del av ingeniørarbeidet.

Facility OS gir agenten kontekst om fabrikken

Facility OS beskriver utstyret og begrensningene som ligger til grunn for en prosess. Den strukturerte anleggsmodellen omfatter verktøyenes egenskaper, tilgjengelige ressurser, materialbegrensninger, parameterområder, oppskrifter og kalibreringsdata. Ingeniører kan søke i et verktøybibliotek, mens KI-støttet matching skal bidra til å identifisere utstyr som egner seg for en ønsket operasjon.

Oppskrifter er knyttet til bestemte verktøy og karakteriseringsdataene deres. Etter hvert som oppskriftene utvikles, fremhever plattformen endringene, slik at ingeniørene kan synkronisere dem selektivt med prosessforløp. Dermed bevares sammenhengen mellom en foreslått prosess og innstillingene og den målte oppførselen til utstyret som forventes å utføre den.

Kontroll av forurensning er en annen viktig del av modellen. Facility OS kombinerer materialdefinisjoner og informasjon om lagstabler med verktøyspesifikke begrensninger for å støtte vurderinger av kompatibilitet i planleggingsfasen. En agent som vurderer en prosess, kan dermed ta hensyn til om et trinn passer med kombinasjonene av materialer og utstyr som er tillatt ved anlegget, i stedet for å behandle hver operasjon som en isolert instruksjon.

Selskapet beskriver også arbeidsflyter for gjennomgang av innkommende fabrikasjonsforespørsler og kostnadsberegning basert på konfigurerte prosesstrinn og priser ved anlegget. Disse funksjonene utvider bruken av den samme strukturerte kunnskapen til koordineringsarbeidet rundt fabrikasjonen.

Et selskap bygget på MITs erfaring med fabrikasjon

FabuBlox har røtter i problemene med kunnskapsdeling som grunnleggerne møtte ved MIT. En biografi fra MIT Microsystems Technology Laboratories opplyser at Jan Tiepelt og medgrunnleggerne hans opprettet plattformen i 2023 for å støtte utviklingen av en delt database for MIT.nano- og MTL-miljøet. Tiepelt fullførte doktorgraden i elektroteknikk ved MIT i mai 2024, etter forskning på nedbrytning av blå OLED-er.

MITs Microsystems Technology Laboratories fører opp FabuBlox blant oppstartsbedriftene som har kommet ut av miljøet. Investoren Pillar VC oppgir grunnleggerteamet som MIT-doktorene Jan Tiepelt og Josh Perozek, sammen med ingeniørene Jack Muller og Eyal Perry.

Selskapet deltok i MIT.nanos START.nano-program, ifølge en MIT-kunngjøring fra januar 2025. Programmet støtter selskaper innen avansert teknologi gjennom rabattert tilgang til fasiliteter, teknisk rådgivning og forbindelser til instituttets innovasjonsnettverk. MITs beskrivelse av FabuBlox på den tiden fremhevet grensesnittet for prosessdesign og lagringssteder på GitHub-vis for organisering av fabrikasjonskunnskap.

Denne historien bidrar til å forklare selskapets nåværende produktretning. Versjonerte prosessforløp, delte lagringssteder og strukturerte utstyrsregistre gir en KI-assistent en ingeniørfaglig kontekst å arbeide innenfor, samtidig som historikken over hvordan et design utviklet seg, bevares.

Læring fra wafere, med autonome fabrikker på utviklingsplanen

FabuBlox’ tredje plattformkomponent, Fab Run Studio, knytter versjoner av prosessflyter og oppskrifter til fysiske wafere, kjørepunkter og måledata. Selskapet betegner løsningen som en tidlig betaversjon. De beskrevne arbeidsflytene omfatter sporing av forgrenede waferløp og parametersplitt, sammenligning av resultater og bruk av waferkart og statistisk prosesskontroll for å identifisere variasjoner.

Den tiltenkte tilbakemeldingssløyfen knytter et observert resultat til waferen, prosessløpet, oppskriften og verktøyet som skapte det. FabAgent kan deretter hjelpe ingeniører med å vurdere en revidert prosessflyt, en oppdatert kalibrering eller det neste eksperimentet. Det er særlig relevant innen forskning og produksjon med stor produktvariasjon å holde disse sammenhengene samlet, ettersom prosesser kan endres ofte.

Også den bredere bransjen investerer i kortere læringssykluser, noe man ser i samarbeid om forskning og utvikling av halvlederprosesser, der material-, utstyrs- og integrasjonsteam jobber tettere sammen. FabuBlox retter seg mot programvare- og kunnskapshåndteringssiden av denne utfordringen.

Den langsiktige visjonen strekker seg lenger: Spesialiserte agenter for områder som litografi, deponering og etsing skal lære av fysiske resultater og bidra til å koordinere eksperimenter og prosessendringer. Bransjespesifikke verdensmodeller og stadig mer autonom produksjon er fortsatt utviklingsmål. Facility OS beskriver også sanntidssignaler fra utstyr og prediktivt vedlikehold som deler av sin framtidsretning.

For ingeniører som vurderer FabAgent nå, ligger den umiddelbare muligheten i en samarbeidspartner som tar utgangspunkt i prosessens struktur og anleggets begrensninger. Neste steg er å knytte denne resonneringen til sporbare eksperimentresultater, slik at hver produksjonskjøring kan bidra til bedre tekniske beslutninger.