Empresa derivada do MIT, FabuBlox apresenta FabAgent para engenharia de processos de semicondutores

FabuBlox apresentou FabAgent, um colaborador de IA projetado para ajudar engenheiros de semicondutores a criar, analisar e simular processos de fabricação antes de executá-los em uma sala limpa. A empresa derivada do MIT está conectando esse agente a projetos de processos estruturados e ao conhecimento sobre as instalações, com o objetivo de ajudar engenheiros a avaliar as muitas dependências que determinam se um fluxo de fabricação funcionará.

A ideia central da empresa é que a inteligência de processos precisa compreender tanto a fábrica de semicondutores quanto o processo. Uma sequência de etapas de fabricação precisa ser compatível com os equipamentos, as regras para materiais, as receitas e os limites operacionais das instalações onde será executada. A conexão do FabAgent ao Facility OS da FabuBlox foi concebida para disponibilizar esse contexto durante as decisões de engenharia.

Das instruções de processo à visualização da estrutura do dispositivo

O FabAgent integra uma plataforma que já organiza o conhecimento sobre fabricação. O Process Design Suite da empresa reúne descrições padronizadas de processos, visualização de cortes transversais, simulação de pilhas de camadas, controle de versões e repositórios compartilhados. Os engenheiros podem descrever a intenção de fabricação e usar o assistente de IA para ajudar a construir fluxos, configurar etapas individuais e explorar equipamentos e receitas, mantendo a revisão do processo proposto.

A camada visual oferece uma referência física para essas decisões. Segundo a FabuBlox, seus algoritmos de traçado de raios simulam como etapas sucessivas transformam a pilha de camadas do dispositivo, incluindo a cobertura dos filmes e os perfis das paredes laterais. Os engenheiros podem selecionar uma linha de corte em um arquivo de layout GDS para relacionar a sequência de fabricação a um corte transversal do dispositivo pretendido. À medida que o projeto evolui, as alterações no fluxo também são refletidas na visualização.

Essa combinação é útil porque uma etapa do processo altera as condições iniciais das etapas seguintes. Analisar a estrutura em evolução junto com as instruções pode ajudar a equipe a identificar problemas de integração mais cedo. A utilidade da simulação ainda depende de quanto seus parâmetros representam fielmente os equipamentos e as condições do processo, o que torna a calibração e as medições experimentais partes importantes do ciclo de engenharia.

Facility OS dá ao agente contexto sobre a fábrica

Facility OS representa os equipamentos e as restrições envolvidos em um processo. Seu modelo estruturado das instalações inclui os recursos dos equipamentos, os recursos compatíveis, as restrições relativas a materiais, as faixas de parâmetros, as receitas e os dados de calibração. Os engenheiros podem pesquisar uma biblioteca de equipamentos, enquanto a correspondência assistida por IA foi projetada para ajudar a identificar equipamentos adequados à operação solicitada.

As receitas são vinculadas a equipamentos específicos e aos dados de caracterização correspondentes. À medida que as receitas evoluem, a plataforma destaca as alterações para que os engenheiros possam sincronizá-las seletivamente com os fluxos de processo. Isso preserva a relação entre um processo proposto e as configurações e o comportamento medido dos equipamentos que deverão executá-lo.

O controle de contaminação é outro aspecto importante desse modelo. O Facility OS combina definições de materiais e informações sobre pilhas de camadas com restrições específicas de cada equipamento para apoiar decisões de compatibilidade durante o planejamento. Assim, um agente que avalia um processo pode considerar se uma etapa é compatível com as combinações de materiais e equipamentos permitidas pelas instalações, em vez de tratar cada operação como uma instrução isolada.

A empresa também descreve fluxos de trabalho para analisar solicitações de fabricação recebidas e estimar custos com base nas etapas de processo configuradas e nos preços das instalações. Esses recursos ampliam o uso do mesmo conhecimento estruturado para abranger o trabalho de coordenação em torno da fabricação.

Uma empresa que surgiu da experiência de fabricação do MIT

A FabuBlox tem origem nos problemas de compartilhamento de conhecimento que seus fundadores encontraram no MIT. Uma biografia dos Microsystems Technology Laboratories do MIT informa que Jan Tiepelt e seus cofundadores criaram a plataforma em 2023 para apoiar a construção colaborativa de bancos de dados para a comunidade do MIT.nano e do MTL. Tiepelt concluiu seu doutorado em engenharia elétrica no MIT em maio de 2024, após pesquisar a degradação de OLEDs azuis.

Os Microsystems Technology Laboratories incluem a FabuBlox entre as startups surgidas de sua comunidade. A investidora Pillar VC identifica a equipe fundadora como formada pelos doutores do MIT Jan Tiepelt e Josh Perozek, além dos engenheiros Jack Muller e Eyal Perry.

A empresa participou do programa START.nano do MIT.nano, segundo um anúncio do MIT de janeiro de 2025. O programa apoia empresas de tecnologia avançada com acesso a instalações a preços reduzidos, orientação técnica e conexões com a rede de inovação do instituto. Na época, a descrição da FabuBlox pelo MIT destacava sua interface de projeto de processos e seus repositórios semelhantes aos do GitHub para organizar o conhecimento sobre fabricação.

Essa trajetória ajuda a explicar a direção atual do produto. Fluxos de processo com controle de versões, repositórios compartilhados e registros estruturados de equipamentos fornecem ao assistente de IA um contexto de engenharia com o qual pode trabalhar, preservando, ao mesmo tempo, o histórico de desenvolvimento do projeto.

Aprendizado com wafers, com fábricas autônomas no roteiro

O terceiro componente da plataforma da FabuBlox, Fab Run Studio, conecta versões dos fluxos de processo e receitas às lâminas físicas, aos registros de execução e à metrologia. A empresa o classifica como uma versão beta inicial. Entre os fluxos de trabalho descritos estão acompanhar rotas ramificadas das lâminas e divisões de parâmetros, comparar resultados e usar mapas de lâminas e controle estatístico de processos para identificar variações.

O ciclo de feedback previsto conecta um resultado observado à lâmina, à rota, à receita e à ferramenta que o produziram. Em seguida, o FabAgent pode ajudar os engenheiros a considerar um fluxo revisado, uma calibração atualizada ou o próximo experimento. Manter essas relações reunidas é particularmente relevante em pesquisa e fabricação de alta variedade, onde um processo pode mudar com frequência.

O setor como um todo também está investindo em ciclos de aprendizagem mais curtos, como mostra a pesquisa e desenvolvimento colaborativos em processos de semicondutores, que aproxima as equipes de materiais, equipamentos e integração. A FabuBlox está abordando o lado de software e gestão do conhecimento desse desafio.

Sua visão de longo prazo vai além: agentes especializados em áreas como litografia, deposição e gravação aprenderiam com resultados físicos e ajudariam a coordenar experimentos e mudanças de processo. Modelos de mundo específicos para fabricação e uma produção cada vez mais autônoma continuam sendo metas de desenvolvimento. Da mesma forma, o Facility OS apresenta sinais de equipamentos em tempo real e manutenção preditiva como parte de sua direção futura.

Para os engenheiros que estão avaliando o FabAgent agora, a oportunidade imediata é contar com um colaborador que compreenda a estrutura de um processo e as restrições de uma instalação. O próximo passo é conectar esse raciocínio a resultados experimentais rastreáveis, para que cada execução de fabricação possa embasar uma decisão de engenharia melhor.