MIT-avknoppningen FabuBlox presenterar FabAgent för processteknik inom halvledartillverkning

FabuBlox har presenterat FabAgent, en AI-baserad samarbetspartner som ska hjälpa halvledaringenjörer att bygga upp, analysera och simulera tillverkningsprocesser innan de körs i ett renrum. MIT-avknoppningen kopplar agenten till strukturerade processdesigner och kunskap om anläggningen, med målet att hjälpa ingenjörerna att förstå de många beroenden som avgör om ett processflöde fungerar.

Företagets grundidé är att processintelligens behöver förstå både fabriken och processen. En följd av tillverkningssteg måste vara anpassad till utrustningen, materialreglerna, recepten och driftgränserna vid anläggningen där den ska genomföras. Kopplingen mellan FabAgent och FabuBlox Facility OS är avsedd att ge tillgång till den kontexten när ingenjörerna fattar beslut.

Från processinstruktioner till en synlig enhetsstruktur

FabAgent ingår i en plattform som redan organiserar kunskap om tillverkning. Företagets Process Design Suite kombinerar standardiserade processbeskrivningar, visualisering av tvärsnitt, simulering av lageruppbyggnad, versionshantering och gemensamma arkiv. Ingenjörer kan beskriva tillverkningsmålet och använda AI-assistenten för att få hjälp med att skapa processflöden, konfigurera enskilda steg och utforska verktyg och recept, samtidigt som de behåller möjligheten att granska den föreslagna processen.

Det visuella lagret ger besluten en fysisk referens. Enligt FabuBlox simulerar företagets strålspårningsalgoritmer hur enhetens lageruppbyggnad förändras genom de olika stegen, inklusive täckning med tunna filmer och sidväggsprofiler. Ingenjörer kan välja en snittlinje i en GDS-layoutfil för att koppla tillverkningssekvensen till ett tvärsnitt av den avsedda enheten. När designen utvecklas återspeglas ändringar i processflödet i visualiseringen.

Kombinationen är användbar eftersom ett processteg förändrar utgångsläget för de följande stegen. Genom att granska hur strukturen utvecklas parallellt med instruktionerna kan ett team upptäcka integrationsproblem tidigare. Hur användbar simuleringen är beror fortfarande på hur väl dess parametrar motsvarar utrustningen och processförhållandena, vilket gör kalibrering och experimentella mätningar till en viktig del av ingenjörsarbetet.

Facility OS ger agenten kontext om fabriken

Facility OS beskriver utrustningen och begränsningarna bakom en process. Den strukturerade anläggningsmodellen omfattar verktygens kapacitet, tillgängliga resurser, materialbegränsningar, parameterintervall, recept och kalibreringsdata. Ingenjörer kan söka i ett verktygsbibliotek, och AI-stödd matchning är utformad för att hjälpa till att hitta utrustning som lämpar sig för en efterfrågad operation.

Recept är kopplade till specifika verktyg och deras karakteriseringsdata. När recepten utvecklas markerar plattformen ändringar, så att ingenjörerna kan synkronisera dem selektivt med processflöden. På så sätt bevaras kopplingen mellan den föreslagna processen och de inställningar och det uppmätta beteende hos utrustningen som förväntas genomföra den.

Kontaminationskontroll är en annan viktig del av modellen. Facility OS kombinerar materialdefinitioner och information om lageruppbyggnad med verktygsspecifika begränsningar för att stödja kompatibilitetsbedömningar under planeringen. En agent som utvärderar en process kan därmed ta hänsyn till om ett steg passar ihop med de material- och utrustningskombinationer som är tillåtna vid anläggningen, i stället för att behandla varje operation som en fristående instruktion.

Företaget beskriver också arbetsflöden för att granska inkommande tillverkningsförfrågningar och uppskatta kostnader utifrån konfigurerade processteg och anläggningens priser. Dessa funktioner utvidgar användningen av samma strukturerade kunskap till samordningsarbetet kring tillverkningen.

Ett företag sprunget ur MIT:s erfarenhet av tillverkning

FabuBlox har sina rötter i de problem med kunskapsdelning som grundarna stötte på vid MIT. En biografi från MIT Microsystems Technology Laboratories uppger att Jan Tiepelt och hans medgrundare skapade plattformen 2023 för att stödja uppbyggnaden av en gemensam databas för MIT.nano- och MTL-gemenskapen. Tiepelt avlade doktorsexamen i elektroteknik vid MIT i maj 2024 efter forskning om nedbrytning av blå OLED:er.

MIT:s Microsystems Technology Laboratories har med FabuBlox bland de startupföretag som vuxit fram ur verksamheten. Investeraren Pillar VC anger grundarteamet som MIT-doktorerna Jan Tiepelt och Josh Perozek samt ingenjörerna Jack Muller och Eyal Perry.

Företaget gick med i MIT.nanos START.nano-program, enligt ett MIT-meddelande från januari 2025. Programmet stöttar företag inom avancerad teknik genom rabatterad tillgång till anläggningar, teknisk rådgivning och kontakter inom institutets innovationsnätverk. MIT:s beskrivning av FabuBlox vid den tidpunkten betonade gränssnittet för processdesign och GitHub-liknande arkiv för att organisera kunskap om tillverkning.

Den historiken bidrar till att förklara produktens nuvarande inriktning. Versionshanterade processflöden, gemensamma arkiv och strukturerade utrustningsregister ger en AI-assistent en teknisk kontext att arbeta med, samtidigt som historiken över hur en design har utvecklats bevaras.

Lärande från wafrar, med autonoma fabriker på färdplanen

FabuBlox-plattformens tredje komponent, Fab Run Studio, kopplar samman versioner av processflöden och recept med fysiska wafers, körningsdata och metrologi. Företaget betecknar den som en tidig betaversion. De beskrivna arbetsflödena omfattar spårning av förgrenade waferflöden och parametersplittringar, jämförelse av utfall samt användning av waferkartor och statistisk processtyrning för att identifiera variationer.

Den avsedda återkopplingsloopen kopplar ett observerat resultat till den wafer, det flöde, det recept och det verktyg som gav upphov till det. FabAgent kan sedan hjälpa ingenjörer att överväga ett reviderat flöde, en uppdaterad kalibrering eller nästa experiment. Att hålla ihop dessa samband är särskilt relevant inom forskning och tillverkning med många olika produkter, där en process kan ändras ofta.

Även den bredare branschen satsar på kortare inlärningscykler, vilket märks i samarbetsinriktad forskning och utveckling av halvledarprocesser som för team inom material, utrustning och integration närmare varandra. FabuBlox arbetar med den del av utmaningen som rör programvara och kunskapshantering.

Dess långsiktiga vision sträcker sig längre: specialiserade agenter inom områden som litografi, deponering och etsning skulle lära sig av fysiska utfall och bidra till att samordna experiment och processförändringar. Världsmodeller som är specifika för halvledarfabriker och en alltmer autonom tillverkning är fortfarande utvecklingsmål. Facility OS beskriver också signaler från utrustning i realtid och prediktivt underhåll som delar av sin framtida inriktning.

För ingenjörer som utvärderar FabAgent i dag är den omedelbara möjligheten en samarbetspartner med förankring i processens struktur och anläggningens begränsningar. Nästa steg är att koppla detta resonemang till spårbara experimentresultat, så att varje tillverkningskörning kan bidra till bättre tekniska beslut.