MIT’ten Doğan FabuBlox, Yarı İletken Süreç Mühendisliği için FabAgent’ı Tanıttı

FabuBlox, yarı iletken mühendislerinin temiz odada uygulamaya geçmeden önce üretim süreçlerini oluşturmasına, analiz etmesine ve benzetimini yapmasına yardımcı olmak üzere tasarlanan yapay zekâ destekli bir çalışma arkadaşı olan FabAgent’ı tanıttı. MIT’ten doğan şirket, mühendislerin bir üretim akışının işe yarayıp yaramayacağını belirleyen çok sayıdaki bağımlılığı değerlendirmesine yardımcı olmayı amaçlayarak bu ajanı yapılandırılmış süreç tasarımları ve tesis bilgileriyle buluşturuyor.

Şirketin temel yaklaşımına göre süreç zekâsı, üretim sürecinin yanı sıra üretim tesisini de anlamalıdır. Üretim adımları dizisi, onu uygulayacak tesisteki ekipmanlara, malzeme kurallarına, reçetelere ve çalışma sınırlarına uygun olmalıdır. FabAgent’ın FabuBlox Facility OS ile bağlantısı, mühendislik kararları sırasında bu bağlamı erişilebilir kılmayı amaçlıyor.

Süreç Talimatlarından Görünür Bir Cihaz Yapısına

FabAgent, üretim bilgilerini hâlihazırda düzenleyen bir platformun parçası. Şirketin Süreç Tasarım Paketi; standartlaştırılmış süreç açıklamalarını, kesit görselleştirmesini, katman yığını benzetimini, sürüm denetimini ve paylaşılan depoları bir araya getiriyor. Mühendisler, üretim hedeflerini açıklayabiliyor ve yapay zekâ asistanından süreç akışları oluşturmaya, tek tek adımları yapılandırmaya, araçları ve reçeteleri incelemeye yardımcı olmasını isteyebiliyor; bu sırada önerilen süreci gözden geçirme olanağı da ellerinde kalıyor.

Görsel katman, bu kararları fiziksel bir referansla destekliyor. FabuBlox’a göre ışın izleme algoritmaları, ardışık adımların cihazın katman yığınını nasıl dönüştürdüğünü; film kaplamasını ve yan duvar profillerini de içerecek şekilde benzetiyor. Mühendisler, üretim dizisini hedeflenen cihazın kesitiyle ilişkilendirmek için bir GDS düzen dosyasından kesit çizgisi seçebiliyor. Tasarım geliştikçe süreç akışındaki değişiklikler görselleştirmeye de yansıyor.

Bu birleşim yararlı; çünkü bir süreç adımı, sonraki adımların başlangıç koşullarını değiştiriyor. Gelişen yapıyı talimatlarla birlikte incelemek, ekibin entegrasyon sorunlarını daha erken fark etmesine yardımcı olabilir. Benzetimin yararı, parametrelerinin ekipmanı ve süreç koşullarını ne ölçüde doğru temsil ettiğine bağlı olmaya devam ediyor; bu nedenle kalibrasyon ve deneysel ölçümler mühendislik döngüsünün önemli bir parçası.

Facility OS, Ajana Üretim Tesisi Bağlamı Sağlıyor

Facility OS, bir sürecin arkasındaki ekipmanları ve kısıtlamaları temsil ediyor. Yapılandırılmış tesis modeli; araçların yeteneklerini, desteklenen kaynakları, malzeme kısıtlamalarını, parametre aralıklarını, reçeteleri ve kalibrasyon verilerini içeriyor. Mühendisler araç kütüphanesinde arama yapabiliyor; yapay zekâ destekli eşleştirme ise talep edilen işleme uygun ekipmanın belirlenmesine yardımcı olmak üzere tasarlanmış.

Reçeteler, belirli araçlara ve bu araçların karakterizasyon verilerine bağlanıyor. Reçeteler geliştikçe platform değişiklikleri vurguluyor; böylece mühendisler bunları süreç akışlarıyla seçerek eşitleyebiliyor. Bu sayede önerilen süreç ile onu gerçekleştirmesi beklenen ekipmanın ayarları ve ölçülen davranışı arasındaki ilişki korunuyor.

Kontaminasyon kontrolü de bu modelin önemli bir parçası. Facility OS, planlama sırasında uyumluluk kararlarını desteklemek için malzeme tanımlarını ve katman yığını bilgilerini araca özgü kısıtlamalarla birleştiriyor. Böylece bir süreci değerlendiren ajan, her işlemi tek başına bir talimat olarak ele almak yerine, ilgili adımın tesiste izin verilen malzeme ve ekipman birleşimlerine uygun olup olmadığını hesaba katabiliyor.

Şirket ayrıca, gelen üretim taleplerinin incelenmesine ve yapılandırılmış süreç adımlarıyla tesis fiyatlandırmasına dayanarak maliyetlerin tahmin edilmesine yönelik iş akışlarını da tanımlıyor. Bu yetenekler, aynı yapılandırılmış bilgiyi üretim sürecini çevreleyen koordinasyon çalışmalarına da taşıyor.

MIT’in Üretim Deneyiminden Doğan Bir Şirket

FabuBlox’un kökleri, kurucularının MIT’te karşılaştığı bilgi paylaşımı sorunlarına dayanıyor. MIT Microsystems Technology Laboratories biyografisinde, Jan Tiepelt ile kurucu ortaklarının MIT.nano ve MTL topluluğunun ortaklaşa kullanabileceği bir veritabanı oluşturmayı desteklemek amacıyla platformu 2023’te kurduğu belirtiliyor. Tiepelt, mavi OLED’lerdeki bozulma üzerine yaptığı araştırmanın ardından Mayıs 2024’te MIT’teki elektrik mühendisliği doktorasını tamamladı.

MIT’nin Microsystems Technology Laboratories sayfasında FabuBlox, topluluğundan çıkan girişimler arasında listeleniyor. Yatırımcı Pillar VC, kurucu ekibi MIT doktoralı Jan Tiepelt ve Josh Perozek’in yanı sıra mühendisler Jack Muller ve Eyal Perry olarak tanımlıyor.

Şirket, Ocak 2025’teki MIT duyurusuna göre MIT.nano’nun START.nano programına katıldı. Program, ileri teknoloji girişimlerini indirimli tesis erişimi, teknik danışmanlık ve enstitünün inovasyon ağıyla bağlantılar aracılığıyla destekliyor. MIT’nin o dönemde FabuBlox hakkında yaptığı açıklamada, süreç tasarımı arayüzü ile üretim bilgilerini düzenlemeye yönelik GitHub benzeri depolar öne çıkarılmıştı.

Bu geçmiş, ürünün bugünkü yönelimini açıklamaya yardımcı oluyor. Sürümlenmiş süreç akışları, paylaşılan depolar ve yapılandırılmış ekipman kayıtları, yapay zekâ asistanına üzerinde çalışabileceği bir mühendislik bağlamı sunarken tasarımın nasıl geliştiğine ilişkin geçmişi de koruyor.

Gofretlerden Öğrenme ve Yol Haritasındaki Otonom Üretim Tesisleri

FabuBlox’un platformunun üçüncü bileşeni olan Fab Run Studio, süreç akışı sürümlerini ve reçeteleri fiziksel wafer’lara, yürütme kayıtlarına ve metroloji verilerine bağlar. Şirket, ürünü erken beta aşamasında olarak tanımlıyor. Açıklanan iş akışları arasında dallanmış wafer rotalarını ve parametre ayrımlarını izlemek, sonuçları karşılaştırmak ve değişkenliği belirlemek için wafer haritalarını ve istatistiksel proses kontrolünü kullanmak yer alıyor.

Amaçlanan geri bildirim döngüsü, gözlemlenen bir sonucu, bu sonucu ortaya çıkaran wafer, rota, reçete ve üretim ekipmanıyla ilişkilendirir. FabAgent daha sonra mühendislerin süreci yeniden düzenlemeyi, kalibrasyonu güncellemeyi veya bir sonraki deneyi değerlendirmelerine yardımcı olabilir. Süreçlerin sık sık değişebildiği araştırma ve yüksek ürün çeşitliliğine sahip üretim ortamlarında bu ilişkileri bir arada tutmak özellikle önemlidir.

Daha kısa öğrenme döngülerine yönelik yatırımlar sektör genelinde de sürüyor. Malzeme, ekipman ve entegrasyon ekiplerini daha yakın çalıştıran iş birliğine dayalı yarı iletken süreç Ar-Ge çalışmaları bunun örnekleri arasında. FabuBlox ise bu zorluğun yazılım ve bilgi yönetimi boyutuna odaklanıyor.

Uzun vadeli vizyonu ise bunun da ötesine geçiyor: litografi, biriktirme ve aşındırma gibi alanlarda uzmanlaşmış ajanlar, fiziksel sonuçlardan öğrenerek deneylerin ve süreç değişikliklerinin koordinasyonuna yardımcı olacak. Fab’a özgü dünya modelleri ve giderek daha otonom hâle gelen üretim, geliştirme hedefleri olmayı sürdürüyor. Facility OS de canlı ekipman sinyallerini ve kestirimci bakımı geleceğe yönelik planlarının bir parçası olarak tanımlıyor.

FabAgent’ı bugün değerlendiren mühendisler için en yakın fırsat, bir sürecin yapısını ve tesisin kısıtlarını temel alan bir yardımcıdan yararlanmak. Bir sonraki adım, bu akıl yürütmeyi izlenebilir deney sonuçlarına bağlamak; böylece her üretim çalışması daha iyi bir mühendislik kararına katkıda bulunabilir.